PRFashion24: A Dataset for Sentiment Analysis of Fashion Products Reviews in Persian
Alzahra University（阿尔扎赫拉大学）
本研究构建了包含767,272条波斯语评论的PRFashion24数据集，利用LSTM和BiLSTM-CNN模型分析时尚购物情感，分别达到81.23%和82.89%的准确率，并公开模型与数据。
2024-05-28 cs.CL
SentiPers: A Sentiment Analysis Corpus for Persian
The George Washington University（乔治华盛顿大学）；Ferdowsi University of Mashhad（马什哈德菲尔多西大学）；Shahid Beheshti University（沙希德·贝赫什提大学）；University of Guilan（吉兰大学）
情感分析是自然语言处理、计算语言学和信息检索的一个重要研究领域。近年来，学术界和工业界对SA的兴趣不断增长。此外，越来越需要生成适当的资源和数据集，特别是针对包括波斯语在内的低资源语言。这些数据集在使用监督、半监督或无监督方法设计和开发适当的意见挖掘平台方面发挥着重要作用。在本文中，我们概述了开发一个手动注释的情感语料库，SentiPers，其中包括正式和非正式的书面当代波斯语的整个过程。据我们所知，SentiPers是一个独特的情感语料库，在三个不同的级别上具有如此丰富的注释，包括波斯语的文档级，文档级和实体/方面级。该语料库包含超过26000个句子的用户意见，从数字产品领域和特殊的特点，如量化的积极或消极的意见，通过指定一个特定范围内的任何给定的句子的好处。此外，我们目前的统计数据，我们的语料库的各个组成部分，以及研究注释者之间的注释协议。最后，我们还将讨论在注释过程中面临的一些挑战。
2021-01-01 cs.CL
Constructing Colloquial Dataset for Persian Sentiment Analysis of Social Microblogs
Faculty member in ICT Research Institute（ICT研究所教员）；Iran Telecommunication Research Center (ITRC)（伊朗电信研究中心）；Faculty member in Computer Department（计算机系教员）；Mehralborz University（梅赫拉布尔兹大学）；Hazrat-e Masoumeh University（玛苏姆大学）
本文构建了波斯语口语数据集并提出基于CNN的模型，提升社交媒体微博客口语文本的情感分析性能，实验结果显示72%的准确率。
2024-03-07 cs.CL
LexiPers: An ontology based sentiment lexicon for Persian
Sharif University of Technology（谢里夫理工大学）；University of Guilan（吉兰大学）
情感分析是指使用自然语言处理从文本资源中识别和提取主观信息。情感提取的一种方法是使用情感词典。情感词典是与它们所表达的情感取向相关联的词的集合。在本文中，我们描述了一个通用的情感词汇的波斯语的过程。提出了一种基于图的种子选择和扩展方法。情感词典生成，然后映射到一个文档分类问题。我们使用K-最近邻和最近质心方法进行分类。这些分类器已被评估的基础上的一组手标记的同义词。最后的情感词典已产生的最佳分类器。结果表明，在生成的情感词典的准确性和F-措施方面的可接受的性能。
2019-11-13 cs.CL cs.LG
Enhancing Aspect-based Sentiment Analysis with ParsBERT in Persian Language
University of Tehran（德黑兰大学）；ICT Research Institute（信息和通信技术研究院）；Shahrood University of Technology（沙赫鲁德理工大学）
针对波斯语文本挖掘数据集匮乏和模型效率低的问题，提出结合相关词典的ParsBERT基于方面情感分析方法，在Digikala数据集上准确率达88.2%，有效提升了波斯语情感分析性能。
2025-02-03 cs.AI cs.CL
Sentiment Analysis of Persian Language: Review of Algorithms, Approaches and Datasets
Islamic Azad University, Central Tehran Branch（伊斯兰阿扎德大学德黑兰中央分校）；Kharazmi University（哈拉兹米大学）
情感分析旨在从人们在网络上的评论中提取他们的情感和观点。它广泛用于企业检测社交数据中的情绪，衡量品牌声誉和了解客户。该领域的大多数文章都集中在英语上，而波斯语的资源有限。在这篇综述论文中，收集了2018年至2022年期间在波斯语情感分析方面发表的最新文章，并对其方法，方法和数据集进行了解释和分析。几乎所有用于解决情感分析的方法都是机器学习和深度学习。本文的目的是研究40种不同的方法情感分析在波斯语，分析数据集以及应用于他们的算法的准确性，并审查每个的优点和缺点。在所有方法中，诸如BERT的Transformers和诸如LSTM和Bi-LSTM的RNN神经网络在情感分析中实现了更高的准确性。除了方法和途径之外，还列出了2018年至2022年期间审查的数据集，并提供了有关每个数据集及其详细信息的信息。
2022-11-09 cs.CL cs.LG
PABSA: Hybrid Framework for Persian Aspect-Based Sentiment Analysis
Department of CS（计算机科学与信息科技系）；Institute for Advanced Studies in Basic Sciences (IASBS)（基础科学高级研究所）；Zanjan, Iran（伊朗赞詹）
针对波斯语情感分析数据稀缺等问题，提出融合多语言BERT特征与决策树的混合框架PABSA，在Pars-ABSA数据集上达到93.34%准确率，并引入同义词和实体词典增强文本。
2025-10-05 cs.CL cs.LG
A Novel Context-Aware Multimodal Framework for Persian Sentiment Analysis
University of Stirling（斯特林大学）；Edinburgh Napier University（爱丁堡龙比亚大学）；Nanyang Technological University（南洋理工大学）
大多数最近的情感分析的作品都利用了文本模态。然而，每天在社交媒体平台上发布的数百万小时的视频记录包含重要的非结构化信息，可以用来更有效地衡量公众的看法。多模态情感分析提供了一种创新的解决方案，通过上下文利用音频，视觉和文本线索来计算理解和收获来自视频的情感。在本文中，我们首先提出了第一个包含800多个话语的波斯语多模态数据集，作为研究人员评估波斯语多模态情感分析方法的基准资源。其次，我们提出了一种新的上下文感知的多模态情感分析框架，同时利用声学，视觉和文本线索，以更准确地确定所表达的情感。我们采用决策级（后期）和特征级（早期）融合方法来整合情感跨模态信息。实验结果表明，多模态特征（如文本，声学和视觉特征）的上下文集成提供了更好的性能（91.39%）相比，单峰特征（89.24%）。
2021-03-03 cs.CL cs.LG
Sentiment Analysis Challenges in Persian Language
互联网上数据的快速增长需要一个数据采掘过程来达成支持洞察力的决策。波斯语在自然语言处理的任何方面都有很强的深入研究潜力，特别是情感分析方法。世界各地的波斯语用户更新和修改了数千个网站和博客，其中包含数百万个波斯语上下文。这一系列的应用程序需要一个全面的结构化框架，以提取有益的信息，帮助企业提高他们的业务，并通过生产有效的推荐系统启动以客户为中心的管理过程。情感分析是一种从海量数据中提取有用信息的智能方法，可以帮助企业进行智能管理过程。在这条道路上，机器学习和深度学习技术将变得非常有帮助，但它们面临着许多挑战。本文试图提出并断言情感分析在波斯语中最重要的挑战。这种语言是一种印欧语言，全世界有超过1.1亿人使用，是伊朗，塔吉克斯坦和阿富汗的官方语言。它还广泛用于乌兹别克斯坦，巴基斯坦和土耳其的订单。
2020-02-21 cs.CL cs.IR
Pars-ABSA: an Aspect-based Sentiment Analysis dataset for Persian
Department of Computer Engineering, Iran University of Science and Technology（伊朗科技大学计算机工程系）
随着网络评论的日益普及，情感分析受到了越来越多研究者的关注。情感分析是一种情感的计算处理，用于提取和理解作者的意见。虽然许多系统都是为了预测文档或句子的情感而构建的，但许多其他系统提供了实体各个方面的必要细节（即基于方面的情感分析）。大多数可用的数据资源都是为英语和其他流行的欧洲语言量身定制的。尽管波斯语是一种拥有超过1.1亿使用者的语言，但据我们所知，缺乏针对波斯语的基于方面的情感分析的公共数据集。本文提供了一个手动注释的波斯语数据集，Pars-ABSA，这是由3个母语为波斯语的人验证。该数据集包括来自5，602个独特评论的5，114个正面，3，061个负面和1，827个中性数据样本。此外，作为基线，本文报告了一些最先进的基于方面的情感分析方法的性能，重点是深度学习，在Pars-ABSA上。所获得的结果是令人印象深刻的相比，类似的英语国家的最先进的。
2019-12-11 cs.CL cs.IR cs.LG
Persian Slang Text Conversion to Formal and Deep Learning of Persian Short Texts on Social Media for Sentiment Classification
Tarbiat Modares University（塔比阿特莫达雷斯大学）
本文提出波斯语俚语转换工具 PSC，将社交媒体会话文本转为正式文本，并结合 FastText 与深度 LSTM 对短文本进行情感分类，在 Instagram 评论数据上取得 81.91% 准确率。
2024-09-03 cs.CL cs.LG
A Deep Convolutional Neural Networks Based Multi-Task Ensemble Model for Aspect and Polarity Classification in Persian Reviews
University of Tabriz（大不里士大学）；University of Allameh Tabataba’i（阿拉梅·塔巴塔巴伊大学）
提出基于深度卷积神经网络的多任务集成模型，同时检测波斯语评论中的方面类别及其极性，以减少流水线误差并提升情感分析效率。
2023-08-29 cs.CL
A Hybrid Persian Sentiment Analysis Framework: Integrating Dependency Grammar Based Rules and Deep Neural Networks
University of Stirling（斯特灵大学）；Edinburgh Napier University（爱丁堡龙比亚大学）；Chinese Academy of Sciences（中国科学院）
社交媒体拥有关于公众舆论的宝贵、大量和非结构化的信息，可用于改进产品和服务。然而，对这些数据的自动分析需要对自然语言有深刻的理解。现有的情感分析方法主要基于词的共现频率，这在大多数实际情况下是不够的。在这项工作中，我们提出了一种新的混合框架，用于波斯语中的概念级情感分析，该框架集成了语言规则和深度学习来优化极性检测。当一个模式被触发时，框架允许情感从单词流向基于符号依赖关系的概念。当没有模式被触发时，框架切换到其子符号对应物，并利用深度神经网络（DNN）来执行分类。所提出的框架优于最先进的方法（包括支持向量机和逻辑回归）和DNN分类器（长短期记忆和卷积神经网络），分别有10-15%和3-4%的利润率，使用基准波斯语产品和酒店评论语料库。
2019-09-30 cs.CL cs.LG
Artificial Intelligence for Sentiment Analysis of Persian Poetry
本研究利用BERT和GPT模型分析波斯诗人鲁米和巴尔文·埃特萨米的诗歌，发现鲁米的诗歌情感更积极，且在格律表达多样性上更胜一筹，证明了LLMs在无需人工解释的语义研究中的有效性。
2026-03-11 cs.AI cs.CL
Political Sentiment Analysis of Persian Tweets Using CNN-LSTM Model
University of Tehran（德黑兰大学）；Tarbiat Modares University（塔比亚特·莫达雷斯大学）
本文提出CNN-LSTM模型结合ParsBERT嵌入进行波斯语政治推文情感分析，在保持性能的同时减少训练时间，最高准确率达89%。
2023-08-29 cs.CL cs.IR
BERTCaps: BERT Capsule for Persian Multi-Domain Sentiment Analysis
针对现有多领域情感分析方法跨领域适用性差的问题，提出结合BERT与胶囊模型的BERTCaps方法用于波斯语多领域情感分析，在Digikala数据集上取得了优异的分类效果。
2024-12-07 cs.AI cs.CL cs.LG
Jointly Modeling Aspect and Polarity for Aspect-based Sentiment Analysis in Persian Reviews
University of Tabriz（大不里士大学）
从自然语言文本中识别用户意见已经成为一个令人兴奋的研究领域，由于其在现实世界中的应用越来越多。其研究领域被称为情感分析和分类，其中体类别检测（ACD）和体类别极性（ACP）是基于体的情感分析的两个重要子任务。ACD的目标是指定实体的哪个方面出现在意见中，而ACP的目标是指定ACD任务中每个方面类别的极性。以前的工作大多提出了这两个子任务的单独的解决方案。本文重点讨论ACD和ACP子任务，以同时解决这两个问题。所提出的方法进行多标签分类，其中采用了四种不同的深度模型，并进行了比较评估，以检查它们的性能。从CinemaTicket网站收集了波斯语评论的数据集，包括来自14个类别的2200个样本。开发的模型进行了评估，使用收集的数据集在基于实例和基于标签的指标。结果表明，与LSTM和Bi-LSTM相比，CNN和GRU模型具有较高的适用性和偏好性。
2021-10-17 cs.AI cs.CL
Aspect-Based Sentiment Analysis for Future Tourism Experiences: A BERT-MoE Framework for Persian User Reviews
本文提出一种BERT-MoE框架，用于波斯语旅游评论的基于方面的情感分析，实现90.6%的ABSA F1分数，同时提升计算效率，支持可持续AI发展。
2026-02-13 cs.CL cs.LG
The Persian Dependency Treebank Made Universal
University of Pennsylvania（宾夕法尼亚大学）；Shahid Beheshti University（沙希德·贝赫什蒂大学）；Shiraz University（设拉子大学）；Sobhe（Sobhe（公司）/索比（公司）（注：原机构名Sobhe未明确类型，按常见处理为公司））
我们描述了一种自动方法，用于将波斯Dependencies Treebank（Rasooli et al，2013）转换为Universal Dependencies。这个树库包含29107个句子。我们的实验以及人工语言分析表明，我们的数据比乌普萨拉波斯语通用从属树库更符合通用从属关系（Seraji等人，2016），规模更大，词汇更多样。我们的数据在监督解析中带来了85.2的标记附件F分数。我们的去词汇化的波斯语到英语的解析器迁移实验表明，在我们的数据上训练的解析模型比Seraji et al.（2016）在标记附件得分方面绝对准确约2%。
2020-09-23 cs.CL
weighted CapsuleNet networks for Persian multi-domain sentiment analysis
Islamic Azad University（伊斯兰阿扎德大学）；University of Yazd（亚兹德大学）；K.N. Toosi University of technology（霍加·纳赛尔·丁·图西大学）；University of Zanjan（赞詹大学）
针对情感分类高度依赖领域的问题，提出基于加权胶囊集成的波斯语多领域情感分析方法，利用领域归属度融合各领域模型，在多个数据集上取得高准确率。
2023-07-01 cs.AI cs.CL
The Challenges of Persian User-generated Textual Content: A Machine Learning-Based Approach
Stuttgart University（斯图加特大学）
近年来，已经发表了大量关于开发有效方法的研究论文和研究，这些方法可以从大量用户生成的内容中受益，并在其上构建智能预测模型。本研究应用基于机器学习的方法来解决波斯语用户生成的文本内容所带来的障碍。不幸的是，在利用机器学习方法对波斯语文本进行分类/聚类方面的研究仍然不足。此外，分析波斯语文本缺乏资源;特别是数据集和文本操作工具。由于波斯语的语法和语义与英语和其他语言不同，这些语言的可用资源不能立即用于波斯语。此外，波斯语的名词和代词识别、词性标注、词的边界发现、词干或字符处理等问题仍有待进一步研究。因此，在这项研究中已经做出了努力，以解决一些挑战。该方法使用机器翻译的数据集进行情感分析的波斯语。最后，使用不同的分类器和特征工程方法对数据集进行了排练。实验结果表明，与以前的努力相比，最好的分类器是支持向量机，其精度为91.22%，召回率为91.71%，F1得分为91.46%。
2021-01-20 cs.CL
Sentiment/Subjectivity Analysis Survey for Languages other than English
CareerBuilder；Indiana University（印第安纳大学）
主观和情感分析最近得到了相当大的关注。到目前为止，大多数资源和系统都是为英语而建的。为其他语言设计系统的需求正在增加。本文调查了不同的方法用于建立系统的主观和情感分析的语言以外的英语。有三种不同类型的系统用于构建这些系统。第一个（也是最好的）是特定语言系统。第二类系统涉及将情感资源从英语重用或转移到目标语言。第三类方法是基于使用语言独立的方法。本文提出了一个单独的部分，致力于阿拉伯语情感分析。
2016-08-25 cs.CL
The Annotation Bottleneck in Persian Text NLP: Persian as an Annotation-Scarce Language
本文提出波斯语是标注稀缺而非单纯低资源语言，通过三项定量交叉验证分析其34种文本资源，发现标注稀缺源于任务领域覆盖不均等问题，而非整体标注量不足。
2026-08-26 cs.CL
ParsBERT: Transformer-based Model for Persian Language Understanding
Islamic Azad University North Tehran Branch（伊斯兰阿扎德大学北德黑兰分校）；Queensland University of Technology（昆士兰科技大学）；Umeå University（于默奥大学）
预训练语言模型的激增已经开始了自然语言处理（NLP）领域的新时代，使我们能够构建强大的语言模型。在这些模型中，基于transformer的模型（如BERT）由于其最先进的性能而变得越来越受欢迎。然而，这些模型通常专注于英语，将其他语言留给资源有限的多语言模型。本文提出了一个单语BERT的波斯语（ParsBERT），这表明其最先进的性能相比，其他架构和多语言模型。此外，由于波斯语中可用于NLP任务的数据量非常有限，因此组成了用于不同NLP任务以及预训练模型的大量数据集。ParsBERT在所有数据集（包括现有数据集和组合数据集）中获得了更高的分数，并通过在情感分析、文本分类和命名实体识别任务中优于多语言BERT和其他先前的作品来提高最先进的性能。
2020-05-31 cs.CL
Semantic Enrichment of Nigerian Pidgin English for Contextual Sentiment Classification
Data Science Nigeria（尼日利亚数据科学）
尼日利亚英语的适应，皮钦语，多年来通过多语言代码转换，代码混合和语言适应而发展。虽然洋泾浜保留了许多正常英语语料库中的单词，无论是在拼写还是发音上，但这些单词的基本含义已经发生了显着变化。例如，“生姜”不是一种植物，而是一种动机的表达，“坦克”不是一个容器，而是一种感激的表达。这意味着，目前使用直接的英语情感分析社交媒体文本从尼日利亚的方法是次优的，因为它将无法捕捉这些词的当代意义的语义变化和上下文演变。在实践中，虽然尼日利亚皮钦语改编中的许多单词与标准英语相同，但基于完整英语的情感分析模型并不是为了在单独使用或代码混合时捕捉尼日利亚皮钦语的全部意图而设计的。通过用大量的合成代码重新格式化的文本和含义来增强稀缺的人类标记的代码更改文本，我们在情感评分方面取得了显着的改进。我们的研究探讨了如何理解情感的intraentential代码混合和切换的情况下，有显着的单词localization.This工作提出了一个300 VADER词典兼容的尼日利亚洋泾浜情感tokens和他们的分数和14,000金标准尼日利亚洋泾浜tweets和他们的情感标签。
2020-03-27 cs.CL
Review of coreference resolution in English and Persian
Islamic Azad University Tehran North Branch（伊斯兰阿扎德大学德黑兰北部分校）；Shahid Beheshti University（沙希德·贝赫什提大学）
本文综述英语与波斯语共指消解的语料、指标和算法演进，重点分析低资源波斯语及ParsBERT端到端模型，并指出挑战与未来方向。
2024-08-05 cs.AI cs.CL
Persian Natural Language Inference: A Meta-learning approach
Sharif University of Technology（谢里夫理工大学）
从其他语言翻译信息可以改善低资源语言的任务结果。为低资源语言构建功能性自然语言处理系统的一种强大方法是将多语言预训练表示与跨语言迁移学习相结合。然而，一般来说，共享表征是单独学习的，无论是跨任务还是跨语言。本文提出了一种用于推断波斯语自然语言的元学习方法。或者，元学习使用不同的任务信息（例如波斯语中的QA）或其他语言信息（例如英语中的自然语言推理）。此外，我们调查的任务增强策略形成额外的高质量的任务的作用。我们使用四种语言和一个辅助任务来评估所提出的方法。与基线方法相比，所提出的模型始终优于它，准确性提高了大约6%。我们还研究了使用zero-shot评估和CCA相似性找到合适的初始参数的效果。
2022-05-18 cs.CL
Improving Sentiment Analysis over non-English Tweets using Multilingual Transformers and Automatic Translation for Data-Augmentation
European Commission – DG-JRC（欧盟委员会联合研究中心）
与一般文本相比，推文是特定的文本数据。尽管在过去的十年中，对英语的tweets进行情感分析已经变得非常流行，但是仍然很难找到针对非英语语言的大型注释语料库。自然语言处理中最近兴起的Transformer模型允许在许多任务中实现无与伦比的性能，但这些模型需要相应的文本量来适应tweet域。我们建议使用多语言Transformer模型，我们对英语推文进行预训练，并使用自动翻译应用数据增强，以使模型适应非英语语言。我们在法语，西班牙语，德语和意大利语的实验表明，所提出的技术是一种有效的方法来提高结果的Transformers在非英语语言的小语料库的推文。
2020-10-07 cs.CL
An Ensemble Model for Sentiment Analysis of Hindi-English Code-Mixed Data
Microsoft India Development Center（微软印度开发中心）
在像印度这样的多语言社会中，代码混合的社交媒体文本构成了互联网的大部分。检测代码混合的用户意见的情感在理解社会，经济和政治趋势方面起着至关重要的作用。在本文中，我们提出了一种基于字符三元组的LSTM模型和基于单词元组的多项朴素贝叶斯（MNB）模型的集成，以识别印地语-英语（Hi-En）代码混合数据的情感。集成模型结合了LSTM模型中丰富的序列模式的优势和概率ngram模型中关键字的极性，以识别稀疏和不一致的代码混合数据中的情感。对真实用户代码混合数据的实验表明，与几个基线和其他基于深度学习的方法相比，我们的方法产生了最先进的结果。
2018-06-12 cs.CL
JUNLP@SemEval-2020 Task 9:Sentiment Analysis of Hindi-English code mixed data using Grid Search Cross Validation
Jadavpur University（贾达夫普尔大学）
语码混用是一种主要出现在多语言社会的现象。精通母语和英语的多语种人士倾向于使用基于英语的语音输入和在其主要语言中插入英语的代码混合。这种语言现象对传统的NLP领域提出了巨大的挑战，例如情感分析，机器翻译和文本摘要，仅举几例。在这项工作中，我们专注于制定出一个合理的解决方案的域代码混合情感分析。这项工作是作为SemEval-2020 Sentimix任务的参与而完成的，在该任务中，我们专注于英语-印地语代码混合句子的情感分析。我们提交的用户名是“sainik.mahata”，团队名称是“JUNLP”。我们使用特征提取算法结合传统的机器学习算法，如SVR和网格搜索，试图解决这个问题。当使用任务组织者准备的指标进行测试时，我们的方法获得了66.2%的f1分数。
2020-09-02 cs.CL
Squared English Word: A Method of Generating Glyph to Use Super Characters for Sentiment Analysis
Gyrfalcon Technology Inc.（矛隼科技公司）
Super Characters方法通过首先将输入文本转换为图像，然后应用2D-CNN模型对情感进行分类来解决情感分析问题。它在许多基准数据集上实现了最先进的性能。然而，它在拉丁语言中的应用并不像在亚洲语言中那样简单。因为2D-CNN模型被设计为识别二维图像，所以如果输入是字形的形式会更好。在本文中，我们提出了SEW（Squared English Word）方法，通过在字母表级别上绘制每个英语单词的超级字符图像，在句子级别上将平方的字符组合在一起形成一个完整的超级字符图像，然后应用CNN模型对句子中的情感进行分类。我们将SEW方法应用于维基百科数据集，与原始超级字符方法相比，获得了2.1%的准确率增益。对于包含结构化表格数据和非结构化自然语言文本的多模态数据，改进的SEW方法将数据集成到单个图像中，并使用一个统一的CNN模型对情感进行分类。
2019-07-15 cs.CL
Corpus Creation for Sentiment Analysis in Code-Mixed Tamil-English Text
Cardiff University（卡迪夫大学）；Saraswathi Narayanan College（萨拉斯瓦蒂·纳拉亚南学院）
从视频或图像中理解评论的情感是许多应用中的一项重要任务。文本的情感分析可以用于各种决策过程。其中一个应用是基于观众评论分析社交媒体上视频的流行情绪。然而，来自社交媒体的评论并不遵循严格的语法规则，它们包含多种语言的混合，通常是用非母语脚本编写的。对于像泰米尔语这样的低资源语言，没有注释的代码混合数据也增加了这个问题的难度。为了克服这个问题，我们创建了一个黄金标准的泰米尔语-英语代码转换，情感注释语料库，包含来自YouTube的15，744条评论帖子。在本文中，我们描述了创建语料库和分配极性的过程。我们提出了注释者之间的协议，并显示了在此语料库上训练的情感分析的结果作为基准。
2020-05-30 cs.CL
BnSentMix: A Diverse Bengali-English Code-Mixed Dataset for Sentiment Analysis
Islamic University of Technology（伊斯兰科技大学）
针对孟加拉语-英语代码混合情感数据稀缺问题，本文构建含2万样本的BnSentMix数据集，并提出14种基线方法，最佳模型取得69.8%准确率和69.1% F1分数。
2024-12-10 cs.CL
Using Sentiment Analysis to Investigate Peer Feedback by Native and Non-Native English Speakers
Georgia Institute of Technology（佐治亚理工学院）
本文利用Twitter-roBERTa情感分析，研究美国在线计算机课程中母语与非母语英语使用者的同伴反馈差异，发现语言背景对反馈体验有复杂影响。
2025-08-07 cs.CL
Advancing Sentiment Analysis in Tamil-English Code-Mixed Texts: Challenges and Transformer-Based Solutions
Instituto Politécnico Nacional (IPN)（墨西哥国立理工学院）；Centro de Investigación en Computación (CIC)（计算机研究中心）；Escuela Superior de Ingeniería Mecánica y Eléctrica (ESIME)（机械与电气工程高等学院）
本文针对泰米尔语-英语混合文本的情感分析挑战，评估了XLM-RoBERTa等Transformer模型在低资源环境中的表现，并指出数据增强与混合建模是未来提升准确率的关键方向。
2025-03-30 cs.CL
Preparing Bengali-English Code-Mixed Corpus for Sentiment Analysis of Indian Languages
SRM University（SRM大学）；Jadavpur University（贾达普大学）
最近，已经相当密集地尝试了对社交用户的信息内容和情感的分析。大多数系统只适用于单语数据，当用于具有代码混合属性的数据时失败或给出较差的结果。为了吸引人们的注意力并鼓励研究人员致力于这场危机，我们准备了黄金标准的孟加拉语-英语代码混合数据，其中包含语言和极性标签，用于情感分析。在本文中，我们讨论了我们准备收集和过滤原始Twitter数据的系统。为了减少人工工作，而注释，混合系统相结合的基于规则和监督模型开发的语言和情感标记。最终的语料库由一组注释者按照一些准则进行注释。由此获得的黄金标准语料库具有令人印象深刻的注释者间的一致性，获得的Kappa值。代码混合指数（CMI），代码混合因子（CF）以及各个方面（语言和情感）等各种指标也定性地调查了语料库的代码混合和情感属性。
2018-03-11 cs.CL
SentMix-3L: A Bangla-English-Hindi Code-Mixed Dataset for Sentiment Analysis
George Mason University（乔治梅森大学）
本文提出首个孟加拉语-英语-印地语三语代码混合情感分析数据集SentMix-3L，并通过实验证明GPT-3.5零样本提示优于所有Transformer模型。
2023-11-29 cs.CL
Towards Sub-Word Level Compositions for Sentiment Analysis of Hindi-English Code Mixed Text
International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
使用来自社交媒体的代码混合数据的情感分析（SA）在意见挖掘中有几个应用，从客户满意度到多语言社会中的社交活动分析。由于缺乏适当的注释数据集，这一领域的进展受到阻碍。我们引入了一个用于情感分析的印地语-英语（Hi-En）代码混合数据集，并进行了实证分析，比较了各种最先进的SA方法在社交媒体中的适用性和性能。在本文中，我们介绍了LSTM（Subword-LSTM）架构中的子单词级表示，而不是字符级或单词级表示。在我们的架构中，这种语言先验使我们能够学习重要词素的情感值信息。正如我们的实验所示，这似乎在包含拼写错误的高噪声文本中也能很好地工作，这在我们的模型学习的语素级特征图中得到了证明。此外，我们假设在Subword-LSTM架构中对这种语言先验进行编码会带来更好的性能。我们的系统在我们的数据集上获得的准确率比传统方法高4-5%，并且在Hi-En代码混合文本中的情感分析性能也优于现有系统18%。
2016-11-02 cs.CL
Addressing Cross-Lingual Word Sense Disambiguation on Low-Density Languages: Application to Persian
TU WIEN（维也纳工业大学）；Universidad Nacional de Educación a Distancia (UNED)（西班牙国家远程教育大学）
我们探讨了使用无监督的方法在跨语言词义消歧（CL-WSD）与英语到波斯语的应用。我们提出的方法针对资源稀缺（低密度）的语言，利用词嵌入和语义相似的话在上下文中。我们在最近的评估基准上评估该方法，并将其与最先进的无监督系统（CO-Graph）进行比较。结果表明，我们的方法优于标准基线和CO-Graph系统在两个任务评估指标（出五和最佳结果）。
2018-03-21 cs.CL cs.IR
Developing a Comprehensive Framework for Sentiment Analysis in Turkish
Bahçeşehir University（巴切希尔大学）；Boğaziçi University（博德齐大学）；Institute for Graduate Studies in Science and Engineering（科学与工程研究生院）
本研究提出了一种针对土耳其语情感分析的综合性框架，结合多种方法提升模型性能，并在英语领域也取得了显著成果。
2025-11-29 cs.CL
Mapping the Multilingual Margins: Intersectional Biases of Sentiment Analysis Systems in English, Spanish, and Arabic
Columbia University（哥伦比亚大学）
随着自然语言处理系统变得越来越普遍，有必要解决其实施和部署中的公平性问题，以确保其对社会的负面影响得到理解和最小化。然而，使用多语言和交叉框架或下游任务研究公平性的工作有限。在本文中，我们介绍了四个多语种的公平评估语料库，补充测试集，旨在衡量社会偏见，和一个新的统计框架，研究自然语言处理中的单一和交叉的社会偏见。我们使用这些工具来测量性别，种族，民族和跨部门的社会偏见，在英语，西班牙语和阿拉伯语的情绪回归任务训练的五个模型。我们发现，许多系统表现出统计上显着的单一和交叉的社会偏见。
2022-04-07 cs.CL
Curriculum Learning Strategies for Hindi-English Codemixed Sentiment Analysis
IIIT Hyderabad（海得拉巴国际信息技术学院）
情感分析和其他语义任务通常用于社交媒体文本分析，以衡量公众舆论，并从社交媒体上的噪音中理解。社交媒体上使用的语言不仅通常与形式语言不同，而且由于语言之间的代码混合而变得复杂，特别是在像印度这样的大型多语言社会中。学习语义NLP任务的传统方法长期以来依赖于端到端的任务特定训练，需要昂贵的数据创建过程，对于深度学习方法更是如此。这种挑战对于资源稀缺的文本（如代码混合语言对）来说更加严峻，缺乏作为模型先验的良好学习表示，并且任务特定数据集的数量可能很少且很小，无法有效地利用最近的深度学习方法。为了应对上述挑战，我们介绍了课程学习策略的语义任务的代码混合印地语-英语（Hi-En）文本，并调查各种培训策略，以提高模型的性能。我们的方法比Hi-En代码混合情感分析的最新方法的准确率高3.31%，并且在收敛性和测试性能方差方面也显示出更好的模型鲁棒性。
2019-06-18 cs.CL
Machine Learning based English Sentiment Analysis
Ton Duc Thang University（顿德唐大学）；Lac Hong University（乐鸿大学）
情感分析或意见挖掘旨在确定客户对产品或服务的态度、判断和意见。这是一个很好的系统，可以帮助制造商或服务商了解客户对其产品或服务的满意度。因此，他们可以进行适当的调整。我们使用一种流行的机器学习方法，即支持向量机，结合Waikato Environment for Knowledge Analysis（WEKA）中的库，构建Java Web程序，对属于四类女性产品之一的英文评论进行情感分析。有裙子，手袋，鞋子和戒指。我们已经开发并测试了我们的系统，训练集有300条评论，测试集有400条评论。该系统的实验结果表明，对正面评论的准确率、召回率和F值分别为89.3%、95.0%和92.1%，对负面评论的准确率、召回率和F值分别为97.1%、78.5%和86.8%，对中性评论的准确率、召回率和F值分别为76.7%、86.2%和81.2%。
2019-05-16 cs.CL
Persian Semantic Role Labeling Using Transfer Learning and BERT-Based Models
Iran University of Science & Technology（伊朗科学技术大学）；Yasouj University（亚苏季大学）
针对波斯语传统SRL方法准确率低且依赖特征提取的问题，本文提出一种基于迁移学习和BERT的端到端语义角色标注方法，无需辅助特征，在相似条件下准确率提升超过16个百分点。
2023-06-17 cs.CL
Bias Beyond English: Counterfactual Tests for Bias in Sentiment Analysis in Four Languages
University of Edinburgh（爱丁堡大学）；Amazon（亚马逊）
本文构建了四种语言情感分析中性别与种族/移民偏见的反事实评估语料库，揭示了系统从预训练模型引入的偏见，并精确定位偏见行为变化以支持更有针对性的缓解策略。
2023-05-19 cs.CL
JU_KS@SAIL_CodeMixed-2017: Sentiment Analysis for Indian Code Mixed Social Media Texts
Jadavpur University（贾达普大学）
本文报告了我们在NLP工具竞赛@ICON-2017中的工作，共享任务是印度语言的情感分析（SAIL）（代码混合）。为了实现我们的系统，我们使用了一个机器学习算法，称为多项式朴素贝叶斯训练使用n-gram和SentiWordnet功能。我们还为英语使用了一个小SentiWordnet，为孟加拉语使用了一个小SentiWordnet。但我们没有使用任何SentiWordnet为印地语。我们已经在为大赛发布的印地语-英语和孟加拉语-英语代码混合的社交媒体数据集上测试了我们的系统。该系统的性能已经非常接近参加比赛的最佳系统。对于孟加拉语-英语和印地语-英语运行，我们的系统在所有提交的运行中排名第三，并在比赛中获得第三名。
2018-02-15 cs.CL
Findings of the Sentiment Analysis of Dravidian Languages in Code-Mixed Text
National University of Ireland Galway（爱尔兰国立高威大学）；ULTRA Arts and Science College（ULTRA文理学院）；Eastern University, Sri Lanka（斯里兰卡东方大学）；Sri Sivasubramaniya Nadar College of Engineering（斯里西瓦苏布拉马尼亚·纳达尔工程学院）；Indian Institute of Information Technology and Management-Kerala（印度喀拉拉邦信息技术与管理学院）；Indian Institute of Information Technology Tiruchirappalli（印度蒂鲁吉拉伯利信息技术学院）；University of Moratuwa, Sri Lanka（斯里兰卡莫拉图瓦大学）
我们介绍了在FIRE 2021上举行的Dravidian-CodeMix共享任务的结果，这是一个关于代码混合文本中的Dravidian语言的情感分析的跟踪。我们描述的任务，它的组织，并提交的系统。本次共享任务是去年在FIRE 2020上举办的Dravidian-CodeMix共享任务的延续。今年的任务包括令牌内和令牌间的代码混合。此外，除了泰米尔语和马拉雅拉姆语，卡纳达语也被引入。我们收到了22个泰米尔语系统，15个马拉雅拉姆语系统，15个卡纳达语系统。泰米尔语、马拉雅拉姆语和卡纳达语的最高系统的加权平均F1分数分别为0.711、0.804和0.630。总之，提交的材料的质量和数量表明，在代码混合环境中对达罗毗荼语有很大的兴趣，这一领域的最新技术仍需进一步改进。
2021-11-18 cs.CL
FreeTxt-Vi: A Benchmarked Vietnamese-English Toolkit for Segmentation, Sentiment, and Summarisation
VinUniversity（Vin大学）；Cardiff University（卡迪夫大学）；Lancaster University（兰卡斯特大学）
FreeTxt-Vi是一种用于越南-英语双语文本分段、情感分析和摘要的开源工具包，通过统一的NLP流水线实现高效多语言文本处理。
2026-03-05 cs.CL
A review of sentiment analysis research in Arabic language
University of Tunis El Manar（突尼斯马纳尔大学）；Nanyang Technological University（南洋理工大学）
情感分析是自然语言处理的一项任务，近年来受到越来越多的关注。然而，情感分析研究主要是针对英语语言进行的。尽管阿拉伯语正在成为互联网上使用最多的语言之一，但到目前为止，只有少数研究关注阿拉伯语的情感分析。在本文中，我们进行了深入的定性研究，在这方面最重要的研究工作，提出现有方法的局限性和优势。特别是，我们调查了利用机器翻译或迁移学习来使英语资源适应阿拉伯语的方法和直接源于阿拉伯语的方法。
2020-05-25 cs.CL
Capturing Reliable Fine-Grained Sentiment Associations by Crowdsourcing and Best-Worst Scaling
National Research Council Canada（加拿大国家研究委员会）
对词-情感关联的访问对于许多应用是有用的，包括情感分析、立场检测和语言分析。然而，手动分配细粒度的情感关联分数的话有很多挑战方面保持注释一致。我们应用最佳-最差缩放的注释技术来获得三个不同领域中的单词和短语的实值情感关联得分：普通英语，英语Twitter和阿拉伯语Twitter。我们表明，在所有三个领域的排名的话，情绪保持显着一致，即使注释过程中重复与不同的一组注释。我们还首次确定了一种语言的母语者可以感知的情感关联的最小差异。
2017-12-05 cs.CL
Analyzing Language Bias Between French and English in Conventional Multilingual Sentiment Analysis Models
本文通过SVM和朴素贝叶斯模型探讨法语和英语在多语言情感分析中的偏差，发现法语在准确性、召回率和F1分数上表现更优，但SVM模型在公平性指标上接近平衡，而朴素贝叶斯模型存在明显差异。
2026-04-01 cs.CL
You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools
Goethe University Frankfurt（法兰克福大学）；Text Technology Lab（文本技术实验室）
本文发现情感分析工具在同一数据集上结果不一致，且工具身份可从其输出中被预测，揭示了情感分析中的算法偏见，并呼吁开展更系统的NLP评估研究。
2024-10-18 cs.CL
MaCmS: Magahi Code-mixed Dataset for Sentiment Analysis
University of Galway（戈尔韦大学）；Università Cattolica del Sacro Cuore（圣心天主教大学）
本文提出了首个用于情感分析的Magahi-Hindi-English语码混合数据集MaCMS，通过语言学与统计分析揭示了语码混合结构及语言偏好，并训练基线模型验证了数据集质量。
2024-03-22 cs.CL
Sentiment Analysis of Code-Mixed Indian Languages: An Overview of SAIL_Code-Mixed Shared Task @ICON-2017
University of Texas Health Science Center（得克萨斯大学健康科学中心）；Jadavpur University（贾达普大学）；IIIT Sri City（斯里城国际信息技术研究所）
情感分析在立场检测、评论分析、推荐系统等许多现实应用中至关重要，当数据是从社交媒体上收集的且带有噪声时，情感分析变得更加困难。印度是一个多语言的国家，人们使用一种以上的语言进行交流。语言之间的转换被称为语码转换或语码混合，这取决于混合的类型。本文概述了从不同的社交媒体平台收集的印度语-英语和孟加拉语-英语的代码混合数据对的情感分析的共享任务。本文描述了任务，数据集，评估，基线和参与者的系统。
2018-03-18 cs.CL
