论文泛读125使用基于进化分类的 LSTM 模型对 Covid-19 推文进行情感分析
Posted 及时行樂_
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文泛读125使用基于进化分类的 LSTM 模型对 Covid-19 推文进行情感分析相关的知识,希望对你有一定的参考价值。
贴一下汇总贴:论文阅读记录
论文链接:《Sentiment Analysis of Covid-19 Tweets using Evolutionary Classification-Based LSTM Model》
一、摘要
随着 Covid-19 在全球范围内日益迅速爆发并影响数百万人的生活,许多国家宣布完全封锁以检查其强度。在这段封锁期间,社交媒体平台在向全世界传播有关这一流行病的信息方面发挥了重要作用,因为人们过去常常通过社交网络表达自己的感受。考虑到这种灾难性的情况,我们开发了一种实验方法来分析人们在 Twitter 上的反应,直接或间接地考虑到基于这种流行病的流行词。本文代表了对收集到的关于冠状病毒或 Covid-19 的大量推文的情感分析。首先,我们使用进化分类和 n-gram 分析来分析与 Covid-19 流行相关主题的公众情绪趋势。然后我们根据他们的类别计算收集到的推文的情绪评级。最后,我们使用两种类型的评级推文训练长短期网络来预测对 Covid-19 数据的情绪,并获得了 84.46% 的整体准确率。
二、结论
本实验主要针对Covid-19微博进行基于深度学习的情感分析。我们提取了最流行的词,并使用n-gram模型作为我们的数据集的两个主要特征来分析一组词的流行程度。然而,之后我们开发了一个模型,根据情感分析器计算出的情感极性对推文进行情感评级,并根据所分配的情感评级将所有推文分为积极类和消极类。然后,使用这个包含了清理和预处理过的推文及其情感评级的分类数据集,即1.0表示正面,0.0表示负面,我们训练了我们的基于深度学习的LSTM模型。我们将数据集划分为80:20的比例,即80%用于训练,20%用于测试。在近93,474个参数上运行30个epoch后,验证精度达到84.46%。
三、模型
使用n-gram模型将Feature B描述为推文的趋势。
给出了基于情感极性的情感分级推文的进化分类。
基于分类tweets(包括它们的情感评级)训练了LSTM模型。
呃,这篇文章怎么说呢,对比实验没看到,不过虽然没给代码,但是感觉是一个可以复现的论文。亮点是在情感分类?
以上是关于论文泛读125使用基于进化分类的 LSTM 模型对 Covid-19 推文进行情感分析的主要内容,如果未能解决你的问题,请参考以下文章
论文泛读167使用 BERT 语言模型的大规模新闻分类:Spark NLP 方法