論文の概要: Machine Learning for Sentiment Analysis of Imported Food in Trinidad and Tobago

• arxiv url: http://arxiv.org/abs/2412.19781v1
• Date: Fri, 27 Dec 2024 18:25:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:28:53.398877
• Title: Machine Learning for Sentiment Analysis of Imported Food in Trinidad and Tobago
• Title（参考訳）: トリニダード・トバゴにおける輸入食品の感性分析のための機械学習
• Authors: Cassandra Daniels, Koffka Khan,
• Abstract要約: 本研究では,トリニダードとトバゴの輸入食品に関連するTwitterデータの感情分析のための各種機械学習アルゴリズムの性能について検討した。 様々な構成でモデルを評価するために10の実験を行った。 その結果、VADERはマルチクラスとバイナリの感情分類において他のモデルよりも優れていた。
• 参考スコア（独自算出の注目度）: 11.164787577217446
• License:
• Abstract: This research investigates the performance of various machine learning algorithms (CNN, LSTM, VADER, and RoBERTa) for sentiment analysis of Twitter data related to imported food items in Trinidad and Tobago. The study addresses three primary research questions: the comparative accuracy and efficiency of the algorithms, the optimal configurations for each model, and the potential applications of the optimized models in a live system for monitoring public sentiment and its impact on the import bill. The dataset comprises tweets from 2018 to 2024, divided into imbalanced, balanced, and temporal subsets to assess the impact of data balancing and the COVID-19 pandemic on sentiment trends. Ten experiments were conducted to evaluate the models under various configurations. Results indicated that VADER outperformed the other models in both multi-class and binary sentiment classifications. The study highlights significant changes in sentiment trends pre- and post-COVID-19, with implications for import policies.
• Abstract（参考訳）: 本研究では,トリニダードとトバゴの輸入食品に関するTwitterデータに対する感情分析のための各種機械学習アルゴリズム(CNN,LSTM,VADER,RoBERTa)の性能について検討する。 この研究は、アルゴリズムの比較精度と効率、各モデルに対する最適構成、および公共の感情と輸入法案への影響をモニタリングするライブシステムにおける最適化モデルの潜在的応用の3つの主要な研究課題に対処する。 データセットは2018年から2024年までのツイートで構成され、データバランスとCOVID-19パンデミックが感情の傾向に与える影響を評価するために、バランスの取れていない、バランスの取れていない、一時的なサブセットに分割されている。 様々な構成でモデルを評価するために10の実験を行った。 その結果、VADERはマルチクラスとバイナリの感情分類において他のモデルよりも優れていた。 この研究は、輸入政策に影響を及ぼす先進と後進の感情傾向の著しい変化を浮き彫りにしている。

関連論文リスト

• A Comparative Study of Transfer Learning for Emotion Recognition using CNN and Modified VGG16 Models [0.0]
  CNNと修正VGG16モデルの2つのデータセット(FER2013とAffectNet)における感情認識タスクの性能について検討する。 以上の結果から,2つのモデルがFER2013データセット上で妥当な性能を達成し,改良VGG16モデルが精度をわずかに向上したことが明らかとなった。 Affect-Netデータセットで評価すると、両方のモデルのパフォーマンスが低下し、修正VGG16モデルはCNNを上回っ続けている。
  論文  参考訳（メタデータ） (2024-07-19T17:41:46Z)
• Unveiling the Impact of Coding Data Instruction Fine-Tuning on Large Language Models Reasoning [64.5243480989869]
  コーディングデータは、事前訓練中に推論能力を高めることで知られています。 IFTにおける内的推論能力の活性化におけるその役割はいまだ検討されている。 IFT段階におけるLLMの推論能力に及ぼす符号化データの影響について検討する。
  論文  参考訳（メタデータ） (2024-05-30T23:20:25Z)
• Performance evaluation of Reddit Comments using Machine Learning and Natural Language Processing methods in Sentiment Analysis [0.764671395172401]
  我々は、Reddit上で58,000のコメントを寄せ集め、感情分析手法を評価した。 我々の研究は、様々なモデルの配列を評価することによって、範囲を広げる。 以上の結果から,RoBERTaモデルはベースラインモデルよりも一貫して優れていることがわかった。
  論文  参考訳（メタデータ） (2024-05-27T03:59:28Z)
• A hybrid transformer and attention based recurrent neural network for robust and interpretable sentiment analysis of tweets [0.3495246564946556]
  既存のモデルは言語的多様性、一般化可能性、説明可能性に関する課題に直面している。 本稿では,トランスフォーマーアーキテクチャ,アテンション機構,BiLSTMネットワークを統合したハイブリッドフレームワークTRABSAを提案する。 感情分析ベンチマークのギャップを埋め、最先端の精度を確保します。
  論文  参考訳（メタデータ） (2024-03-30T09:20:43Z)
• Deep Learning-based Sentiment Classification: A Comparative Survey [0.0]
  本稿では,データ作成に基づく因子,特徴表現に基づく因子,分類に基づく因子の3つのカテゴリに対処する。 この論文は、100以上のDeep LearningベースのSCアプローチのパフォーマンスを比較した総合的な文献ベースの調査である。 本比較では,提案する因子が研究用DLベースのSC手法の性能にどのように影響するかを説明する。
  論文  参考訳（メタデータ） (2023-12-12T15:57:44Z)
• Robustness and Generalization Performance of Deep Learning Models on Cyber-Physical Systems: A Comparative Study [71.84852429039881]
  調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。 我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
  論文  参考訳（メタデータ） (2023-06-13T12:43:59Z)
• On the Trade-off of Intra-/Inter-class Diversity for Supervised Pre-training [72.8087629914444]
  教師付き事前学習データセットのクラス内多様性(クラス毎のサンプル数)とクラス間多様性(クラス数)とのトレードオフの影響について検討した。 トレーニング前のデータセットのサイズが固定された場合、最高のダウンストリームのパフォーマンスは、クラス内/クラス間の多様性のバランスがとれる。
  論文  参考訳（メタデータ） (2023-05-20T16:23:50Z)
• An Empirical Study on Distribution Shift Robustness From the Perspective of Pre-Training and Data Augmentation [91.62129090006745]
  本稿では,事前学習とデータ拡張の観点から分布シフト問題を考察する。 我々は,事前学習とデータ拡張に焦点を当てた,最初の総合的な実証的研究を行った。
  論文  参考訳（メタデータ） (2022-05-25T13:04:53Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• Benchmarking the Benchmark -- Analysis of Synthetic NIDS Datasets [4.125187280299247]
  我々は,より最近で関連する3つのNIDSデータセットにおいて,良性トラフィックの統計的性質を解析した。 以上の結果から,合成データセットと実世界の2つのデータセットの統計的特徴の相違が明らかとなった。
  論文  参考訳（メタデータ） (2021-04-19T03:17:37Z)
• Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
  深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。 我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。 複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
  論文  参考訳（メタデータ） (2021-02-18T21:14:52Z)

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。