論文の概要: Deep Learning-based Sentiment Analysis in Persian Language

• arxiv url: http://arxiv.org/abs/2403.11069v1
• Date: Sun, 17 Mar 2024 03:15:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 20:17:06.028518
• Title: Deep Learning-based Sentiment Analysis in Persian Language
• Title（参考訳）: ペルシア語における深層学習に基づく感性分析
• Authors: Mohammad Heydari, Mohsen Khazeni, Mohammad Ali Soltanshahi,
• Abstract要約: 本稿では,Digikala Online Retailer Webサイトからの顧客レビューデータを用いて,感情分析のためのハイブリッドディープラーニングモデルの導入と実装を行う。 肯定的,否定的,中立という3つの感情カテゴリーのF1スコアは78.3である。
• 参考スコア（独自算出の注目度）: 0.9217021281095907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, there has been a growing interest in the use of deep learning techniques for tasks in natural language processing (NLP), with sentiment analysis being one of the most challenging areas, particularly in the Persian language. The vast amounts of content generated by Persian users on thousands of websites, blogs, and social networks such as Telegram, Instagram, and Twitter present a rich resource of information. Deep learning techniques have become increasingly favored for extracting insights from this extensive pool of raw data, although they face several challenges. In this study, we introduced and implemented a hybrid deep learning-based model for sentiment analysis, using customer review data from the Digikala Online Retailer website. We employed a variety of deep learning networks and regularization techniques as classifiers. Ultimately, our hybrid approach yielded an impressive performance, achieving an F1 score of 78.3 across three sentiment categories: positive, negative, and neutral.
• Abstract（参考訳）: 近年、自然言語処理(NLP)におけるタスクに対するディープラーニング技術の利用に対する関心が高まっており、特にペルシア語において、感情分析が最も困難な分野の1つとなっている。 何千ものWebサイトやブログ、Telegram、Instagram、Twitterなどのソーシャルネットワーク上で、ペルシア人が生成する膨大な量のコンテンツは、豊富な情報資源を提示する。 ディープラーニング技術は、この広範な生データのプールから洞察を抽出するために、ますます好まれるようになったが、それらはいくつかの課題に直面している。 本研究では、Digikala Online Retailer Webサイトからの顧客レビューデータを用いて、感情分析のためのハイブリッドディープラーニングモデルを導入、実装した。 我々は様々なディープラーニングネットワークと正規化手法を分類器として採用した。 最終的に、私たちのハイブリッドアプローチは、ポジティブ、ネガティブ、中立という3つの感情カテゴリーでF1スコア78.3を達成し、素晴らしいパフォーマンスを得た。

関連論文リスト

• OPSD: an Offensive Persian Social media Dataset and its baseline evaluations [2.356562319390226]
  本稿ではペルシャ語に対する2つの攻撃的データセットを紹介する。 第1のデータセットはドメインの専門家によって提供されるアノテーションで構成されており、第2のデータセットはWebクローリングによって得られたラベルなしデータの大規模なコレクションで構成されている。 得られたデータセットの3クラスと2クラスのF1スコアはそれぞれ76.9%、XLM-RoBERTaは89.9%であった。
  論文  参考訳（メタデータ） (2024-04-08T14:08:56Z)
• Deep Internal Learning: Deep Learning from a Single Input [88.59966585422914]
  多くの場合、手元にある入力からネットワークをトレーニングする価値がある。 これは、トレーニングデータが少なく、多様性が大きい多くの信号および画像処理問題に特に関係している。 本研究の目的は,この2つの重要な方向に向けて,過去数年間に提案されてきた深層学習技術について報告することである。
  論文  参考訳（メタデータ） (2023-12-12T16:48:53Z)
• Federated Learning Meets Natural Language Processing: A Survey [12.224792145700562]
  Federated Learningは、複数の分散エッジデバイス(モバイルなど)やサーバから、ローカルデータのプライバシを犠牲にすることなく、マシンラーニングモデルを学習することを目的としている。 最近の自然言語処理技術は、ディープラーニングと大規模な事前学習言語モデルに依存している。
  論文  参考訳（メタデータ） (2021-07-27T05:07:48Z)
• Reinforced Iterative Knowledge Distillation for Cross-Lingual Named Entity Recognition [54.92161571089808]
  言語間NERは、知識をリッチリソース言語から低リソース言語に転送する。 既存の言語間NERメソッドは、ターゲット言語でリッチなラベル付けされていないデータをうまく利用しない。 半教師付き学習と強化学習のアイデアに基づく新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2021-06-01T05:46:22Z)
• A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
  コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。 この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。 ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
  論文  参考訳（メタデータ） (2021-05-26T14:37:07Z)
• What's in the Box? An Analysis of Undesirable Content in the Common Crawl Corpus [77.34726150561087]
  言語モデルの訓練に広く使用されるコロッサルwebコーパスであるcommon crawlを分析した。 ヘイトスピーチや性的明示的なコンテンツなど、フィルタリング処理後も、好ましくないコンテンツがかなりの量含まれていることがわかりました。
  論文  参考訳（メタデータ） (2021-05-06T14:49:43Z)
• The Challenges of Persian User-generated Textual Content: A Machine Learning-Based Approach [0.0]
  この研究は、ペルシャのユーザー生成テキストコンテンツがもたらすハードルに対処するために機械学習ベースのアプローチを適用します。 提示されたアプローチは、ペルシア語の感情分析を行うために機械翻訳データセットを使用する。 実験の結果は、これまでの試みとは対照的に、有望な最先端のパフォーマンスを示しています。
  論文  参考訳（メタデータ） (2021-01-20T11:57:59Z)
• Sentiment Analysis for Sinhala Language using Deep Learning Techniques [1.0499611180329804]
  本稿では,RNN,LSTM,Bi-LSTM,カプセルネットワークなどの標準シーケンスモデルの利用について,より包括的な研究を行った。 この4つのクラスに注釈を付けた15059年のシンハラのニュースコメントと、948万のトークンからなるコーパスのデータセットが公開されている。
  論文  参考訳（メタデータ） (2020-11-14T12:02:30Z)
• Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
  世論の研究は我々に貴重な情報を提供することができる。 感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。 本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
  論文  参考訳（メタデータ） (2020-06-05T16:28:10Z)
• Deep Learning Based Text Classification: A Comprehensive Review [75.8403533775179]
  本稿では,近年開発されたテキスト分類のための150以上のディープラーニングモデルについてレビューする。 また、テキスト分類に広く使われている40以上の一般的なデータセットの要約も提供する。
  論文  参考訳（メタデータ） (2020-04-06T02:00:30Z)
• Convolutional Neural Networks for Sentiment Analysis in Persian Social Media [6.51882364384472]
  畳み込みニューラルネットワーク(CNN)を用いたペルシア語テキストの感情分析手法を提案する。 本研究では,Curve 測定値を用いた3種類のペルシア語ソーシャルメディアテキストのデータセットの評価を行った。
  論文  参考訳（メタデータ） (2020-02-14T19:52:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。