Benchmarking LightGBM and BiLSTM for Sentiment Analysis on Indonesian E-Commerce Reviews
Department of Data Science(数据科学系);Institut Teknologi Sumatera(苏门答腊理工大学)
本文比较了自然语言处理中机器学习和深度学习方法在印尼电商评论情感分析中的表现,发现BiLSTM在准确率和F1分数上优于所有机器学习模型,而LightGBM在训练效率上表现最佳。
2026-05-02 cs.CL
What Do Indonesians Really Need from Language Technology? A Nationwide Survey
Mohamed bin Zayed University of Artificial Intelligence(莫卧儿 bin Zayed 人工智能大学);Monash University(莫纳什大学)
本研究通过全国性调查评估印尼母语者对语言技术的真实需求,发现机器翻译与信息检索等语言障碍解决方案最受重视,并指出隐私、偏见和公共数据训练问题需通过透明沟通加以解决。
2025-09-28 cs.CL
Sentiment Analysis of AI Adoption in Indonesian Higher Education Using Machine Learning and Transformer-Based Models
Faculty of Science Sumatra Institute of Technology Lampung, Indonesia(苏门答腊技术学院理工大学科学学院,印度尼西亚朗格朗)
本文比较了TF-IDF基于机器学习和Transformer模型在分析印尼学生对AI在高等教育中采用意见的sentiment效果,发现Transformer模型在准确率和F1分数上表现更优,而SVM在机器学习模型中表现最佳。
2026-04-30 cs.CL
Benchmarking Logistic Regression, SVM, and LightGBM Against BiLSTM with Attention for Sentiment Analysis on Indonesian Product Reviews
Institut Teknologi Sumatera(印度尼西亚苏门答腊理工大学)
本文比较了逻辑回归、SVM和LightGBM与基于BiLSTM和注意力机制的深度学习方法,在印尼产品评论二分类中的性能。传统机器学习方法在高维数据集上可与复杂深度学习架构竞争并略微领先,同时计算效率更高。
2026-04-28 cs.CL
Combining Word and Character Vector Representation on Neural Machine Translation
PT Prosa Solusi Cerdas(普罗萨智能解决方案公司)
本文描述了英语-印尼语神经机器翻译(NMT)中词向量表示和字符向量表示的组合。使用不同的输入向量表示构建了NMT模型的六种配置:基于单词的、使用双向LSTM(bi-LSTM)的单词和字符表示的组合、使用CNN的单词和字符表示的组合、通过组合bi-LSTM和CNN来组合单词和字符表示通过三种不同的向量运算:加法、逐点乘法和平均。实验结果表明,除了使用双LSTM和CNN通过加法运算组合单词和字符表示的模型外,所有组合单词和字符表示的NMT模型的BLEU得分都高于基线模型,范围在9.14到11.65分之间。达到的最高BLEU评分为42.48,而基线模型为30.83。
2020-09-13 cs.CL
Cross-Lingual Machine Speech Chain for Javanese, Sundanese, Balinese, and Bataks Speech Recognition and Synthesis
Nara Institute of Science and Technology(奈良科学技术研究所);RIKEN Center for Advanced Intelligence Project AIP(理化学研究所高级智能项目AIP中心)
尽管印度尼西亚有700多种民族语言,但现有的技术仍然有限,无法支持土著社区内部以及与村庄以外的人的沟通。因此,土著社区由于文化障碍仍然面临孤立;语言继续消失。为了加快交流,语音到语音翻译(S2 ST)技术是一种可以克服语言障碍的方法。然而,S2 ST系统需要机器翻译(MT)、语音识别(ASR)和合成(TTS),这些都严重依赖于监督训练和广泛的语言资源,而这些资源很难从少数民族社区收集。最近,提出了一种机器语音链机制,使ASR和TTS相互协助的半监督学习。该框架最初只针对单语语言实施。在这项研究中,我们专注于发展语音识别和合成这些印尼民族语言:爪哇语,巽他语,巴厘语和巴塔克语。我们首先对标准印尼语的ASR和TTS分别进行了训练。然后,我们开发ASR和TTS的民族语言,利用印尼语ASR和TTS的跨语言机器语音链框架,只有文本或只有语音数据删除需要配对的语音文本数据的民族语言。
2020-11-04 cs.CL cs.SD eess.AS
Vector-quantized neural networks for acoustic unit discovery in the ZeroSpeech 2020 challenge
Stellenbosch University(斯泰伦博斯大学)
在本文中,我们探讨矢量量化的声学单位发现。利用未标记的数据,我们的目标是学习语音的离散表示,将语音内容与特定于说话者的细节分开。我们提出了两种神经模型来应对这一挑战-都使用矢量量化来将连续特征映射到有限的代码集。第一种模型是一种矢量量化变分自编码器(VQ-VAE)。VQ-VAE在重构音频波形之前将语音编码成离散单元的序列。我们的第二个模型结合了矢量量化与对比预测编码(VQ-CPC)。这个想法是通过预测未来的声学单元来学习语音的表示。我们在英语和印度尼西亚语数据上评估了ZeroSpeech 2020挑战的模型。在ABX手机识别测试中,这两款机型的表现都超过了2019年和2020年挑战赛的所有参赛作品,相对提高了30%以上。这些模型在下游语音转换任务上也具有竞争力。两者中,VQ-CPC总体上表现稍好,训练更简单、更快。最后,探测实验表明,矢量量化是一个有效的瓶颈,迫使模型丢弃说话人信息。
2020-08-19 cs.CL eess.AS
Using a Support-Vector Machine for Japanese-to-English Translation of Tense, Aspect, and Modality
本文描述了使用各种机器学习方法进行的实验,包括在以前的研究中使用的k-最近邻方法,用于时态,体和情态的翻译。结果发现,支持向量机方法是最精确的所有测试的方法。
2001-12-05 cs.CL
Event detection in Twitter: A keyword volume approach
University of Adelaide(阿德莱德大学)
使用社交媒体流的事件检测需要一组具有强信号的信息特征,这些特征需要最少的预处理并且与感兴趣的事件高度相关。将这些信息特征识别为Twitter的关键字是一项挑战,因为人们使用非正式语言来表达他们的想法和感受。这种非正式性包括首字母缩略词、拼写错误的单词、同义词、音译和模棱两可的术语。在本文中,我们提出了一种有效的方法来选择Twitter中经常使用的关键字,这些关键字大多与抗议等感兴趣的事件相关。这些关键词的量被实时的跟踪以在二元分类方案中识别感兴趣的事件。我们使用词对中的关键词来捕捉上下文。该方法首先对每个词对的每日计数向量进行二值化,然后使用Jaccard度量度量每个词对的二值向量与描述事件发生的二值向量的相似性。前n个词对被用作将任何一天分类为事件或非事件日的特征。使用多个分类器,如朴素贝叶斯,支持向量机,逻辑回归,KNN和决策树测试所选择的功能。它们的AUC ROC评分均高达0.91,F1评分均高达0.79。该实验在墨尔本、悉尼和布里斯班等多个城市使用英语进行,在雅加达使用印度尼西亚语进行。这两个实验,包括不同的语言和地点,产生了类似的结果。
2019-01-03 cs.CL cs.LG cs.SI
Cross-Lingual Word Alignment for ASEAN Languages with Contrastive Learning
College of Computer and Software Engineering, Hohai University(河海大学计算机与软件学院)
针对低资源东盟语言词对齐,本文在基于 BiLSTM 的编码器-解码器框架中引入对比学习与多视角负采样,显式建模词嵌入差异,并在四个语种、五个数据集上验证其持续提升对齐准确率。
2024-07-06 cs.CL
Sentiment Analysis of Comments on Rohingya Movement with Support Vector Machine
Shahjalal University of Science and Technology(沙阿贾拉勒科技大学)
罗兴亚运动和危机在孟加拉国的政治和经济国家引起了巨大的骚动。难民流动是一个经常发生的事件,大量的意见形式的数据仍然存在于Facebook等社交媒体上,很少有人对它们进行分析。为了分析所有与罗兴亚人相关的帖子的评论,我们必须创建和修改一个基于支持向量机算法的分类器。代码是用python实现的,并使用scikit-learn库。目前还没有关于罗兴亚分析的数据集,所以我们不得不使用我们自己的2500条正面评论和2500条负面评论的数据集。我们特别使用了一个具有线性核的支持向量机。我们之前使用朴素贝叶斯算法在同一数据集上进行了一个实验,但没有产生令人印象深刻的结果。
2018-03-22 cs.CL cs.IR cs.LG
Training with reduced precision of a support vector machine model for text classification
AGH University of Science and Technology(AGH科技大学)
研究了在支持向量机(SVM)的训练过程中,量化对多类文本分类效率的影响。这项工作的重点是比较效率的SVM模型训练使用降低精度与其原始形式。使用量化的主要优点是减少计算时间和专用硬件平台上的内存占用,该硬件平台支持低精度计算,如GPU(16位)或FPGA(任何位宽)。本文提出了一个精度降低的SVM训练过程中的文本分类精度的影响。CPU的实现使用了OpenMP库。此外,使用双精度,单精度和半精度的GPU的实现的结果。
2020-07-17 cs.CL cs.LG stat.ML