Identifying negativity factors from social media text corpus using sentiment analysis method
University of Balochistan（俾路支大学）；SBK Women’s University Balochistan（俾路支SBK女子大学）；Institute of Management Sciences（管理科学研究所）
自动情感分析在决策中起着重要的作用。许多组织花费大量预算通过手动查看他们的反馈/评论或推文来了解他们的客户满意度。自动情感分析可以给出针对任何事件、产品或活动接收到的评论的整体画面。通常，评论/推文被分为两个主要类别，即负面或正面。然而，负面评论过于抽象，无法理解基本原因或上下文。各组织有兴趣查明消极的确切原因。在这项研究中，我们分层地进入负面评论，并将它们与更多的类联系起来。推文是从Twitter和Facebook等社交媒体网站提取的。如果情感分析将任何推文分类为负面类别，则我们进一步尝试将该负面评论与更多可能的负面类别相关联。根据专家意见，负面评论/推文进一步分为8类。不同的机器学习算法进行评估，并报告其准确性。
2021-07-06 cs.AI 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
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
FinnSentiment -- A Finnish Social Media Corpus for Sentiment Polarity Annotation
University of Helsinki（赫尔辛基大学）
情感分析和意见挖掘是一项重要的任务，在社交媒体中具有明显的应用领域，例如在指示仇恨言论和假新闻时。在我们对以前工作的调查中，我们注意到没有大规模的社交媒体数据集带有芬兰语的情感极性注释。该出版物旨在通过引入由三个本地注释者独立地用情感极性注释的27，000个句子数据集来弥补这一缺点。对于整个数据集，我们有相同的三个注释器，这为进一步研究注释器随时间的行为提供了独特的机会。我们分析了他们的注释者之间的协议，并提供了两个基线来验证数据集的有用性。
2020-12-04 cs.CL
SentiALG: Automated Corpus Annotation for Algerian Sentiment Analysis
Ecole Superieure des sciences appliquées d’Alger（阿尔及尔高等应用科学学院）；Ecole nationale Supérieure d’Informatique（国立高等计算机学院）；University of Stirling（斯特灵大学）
数据标注是一个重要但耗时且昂贵的过程。为了将文本分为两类，我们需要的第一件事是一个好的注释指南，确定每个类所需的条件。在文献中，与适当的数据注释相关的困难被低估了。在本文中，我们提出了一种新的方法来自动构建一个注释的情感语料库阿尔及利亚方言（马格里布阿拉伯语方言）。该语料库的建设是基于阿尔及利亚的情感词汇，也是自动构建的。所展示的作品涉及阿拉伯语社交媒体上广泛使用的两种脚本：阿拉伯语和阿拉伯语。所提出的方法自动构建包含8000条消息的情感语料库（其中4000条消息专用于阿拉伯语，4000条消息专用于阿拉伯语）。阿拉伯语和阿拉伯语测试集的F1分数分别高达72%和78%。正在进行的工作旨在整合阿拉伯语信息的音译过程，以进一步改善所取得的成果。
2018-08-15 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
Video Games as a Corpus: Sentiment Analysis using Fallout New Vegas Dialog
University of Helsinki（赫尔辛基大学）；École Normale Supérieure（巴黎高等师范学院）
我们提出了一种方法，用于从Fallout New Vegas中提取多语言情感注释对话数据集。游戏开发者已经在游戏中的每一行对话中预先注释了8种不同情感之一：\textit{anger, disgust, fear, happy, neutral, pained, sad }和\textit{surprised}。该游戏已被翻译成英语，西班牙语，德语，法语和意大利语。我们使用多语言BERT，XLMRoBERTa和语言特定的BERT模型提取的数据集上进行多语言，多标签情感分析的实验。在我们的实验中，对于大多数语言，多语言BERT的性能优于XLMRoBERTa，对于大多数语言，语言特定模型也略优于多语言BERT。最好的整体准确率为54%，它是通过使用西班牙语数据的多语言BERT。提取的数据集提出了一个具有挑战性的任务，情感分析。我们已经在Zenodo上公开发布了数据，包括测试和训练部分。由于版权原因，数据集被打乱了。
2022-12-05 cs.CL
Quotations, Coreference Resolution, and Sentiment Annotations in Croatian News Articles: An Exploratory Study
Faculty of Humanities and Social Sciences, University of Zagreb（萨格勒布大学人文与社会科学学院）
本文提出了一个语料库注释的任务，直接语音提取在克罗地亚。本文主要对SETimes新闻语料库中克罗地亚语的引文标注、共指消解和情感标注进行研究，并分析其与英语的语言差异。由此，推导出在执行这些注释时需要特别注意的现象的列表。所生成的带有引文特征注释的语料库可以用于自然语言处理领域的多个任务。
2022-12-14 cs.CL
Unsupervised Sentiment Analysis for Code-mixed Data
IIIT-Delhi（德里英迪拉·甘地信息技术学院）
语码混合是指在两种或两种以上语言之间交替使用。它主要见于多语言社会，其发生率正在增加，因此其重要性也在增加。情感分析研究的主要部分是单语言的，并且大多数在代码混合文本上表现不佳。在这项工作中，我们介绍的方法，使用不同种类的多语言和跨语言的嵌入，有效地将知识从单语文本的代码混合文本的情感分析的代码混合文本。我们的方法可以通过一个零样本学习处理代码混合文本。我们的方法在英语-西班牙语代码混合情感分析上以绝对3\%的F1分数击败了最先进的方法。我们能够实现0.58的F1分数（无平行语料库）和0.62的F1分数（有平行语料库）在同一基准在一个zero-shot的方式相比，0.68的F1分数在监督设置。我们的代码是公开的。
2020-01-20 cs.AI cs.CL
NoReC: The Norwegian Review Corpus
University of Oslo（奥斯陆大学）；Schibsted Media Group（施伯史泰德媒体集团）
本文介绍了挪威评论语料库（NoReC），创建的训练和评估模型的文档级情感分析。全文评论收集自挪威主要新闻来源，涵盖了一系列不同的领域，包括文学，电影，视频游戏，餐馆，音乐和戏剧，以及一系列类别的产品评论。每个评论都标有手动分配的1-6分，由原作者的评分提供。该语料库的首次发布包含35，000多条评论。它使用CoNLL-U格式分发，使用UDPipe进行预处理，以及丰富的元数据集。本文中报告的工作构成了SANT倡议（情绪分析挪威文本），一个项目，旨在提供资源和工具的情感分析和意见挖掘挪威的一部分。由于情感分析的资源到目前为止还无法用于挪威语，NoReC代表了挪威语技术的一个非常有价值和受欢迎的补充。
2017-10-15 cs.CL
Learning to Play Chess from Textbooks (LEAP): a Corpus for Evaluating Chess Moves based on Sentiment Analysis
University of Manchester（曼彻斯特大学）
本文提出 LEAP 语料库，首次利用国际象棋教科书文本，通过基于 transformer 的情感分析模型评估棋步质量，最佳模型取得 68% 的加权微观 F_1 分数，并合成了更大数据集以缓解该领域文本资源稀缺问题。
2023-10-31 cs.CL
ArSentD-LEV: A Multi-Topic Corpus for Target-based Sentiment Analysis in Arabic Levantine Tweets
MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）；American University of Beirut（贝鲁特美国大学）；Qatar University（卡塔尔大学）
情感分析是一项非常主观和具有挑战性的任务。当应用于阿拉伯语时，其复杂性进一步增加，主要是因为大量的方言是不标准化的，并且在网络中广泛使用，特别是在社交媒体中。虽然已经发布了许多数据集来用阿拉伯语训练情感分类器，但这些数据集中的大多数都包含浅层注释，仅将文本单元的情感标记为单词，句子或文档。在本文中，我们提出了阿拉伯语情绪Twitter数据集的黎凡特方言（ArSenTD-LEV）。根据对黎凡特地区推文的分析结果，我们创建了一个包含4,000条推文的数据集，并附有以下注释：推文的总体情绪、表达情绪的目标、表达情绪的方式以及推文的主题。结果证实了这些注释在提高基线情感分类器性能方面的重要性。他们还证实了在某个领域的培训和在另一个领域的测试之间的差距。
2019-05-25 cs.CL cs.IR cs.LG
Emotion helps Sentiment: A Multi-task Model for Sentiment and Emotion Analysis
Indian Institute of Technology Patna（印度理工学院巴特那分校）；Kyoto University（京都大学）
在本文中，我们提出了一个两层的多任务的注意力为基础的神经网络，通过情感分析执行情感分析。该方法基于双向长短期记忆，并使用分布式主题词表作为外部知识源，以提高情感和情绪预测。所提出的系统有两个层次的关注，分层建立一个有意义的表示。我们在SemEval 2016 Task 6的基准数据集上评估了我们的系统，并将其与Stance Sentiment Emotion Corpus上的最先进系统进行了比较。实验结果表明，该系统在SemEval 2016 Task 6数据集上的情感分析性能提高了3.2个F分数点。我们的网络还提高了5个F分数点的立场情绪情感语料库的情感分析的性能。
2019-11-28 cs.CL
Improving the Accuracy of Pre-trained Word Embeddings for Sentiment Analysis
University of Waterloo（滑铁卢大学）；University of Tehran（德黑兰大学）
情感分析是自然语言处理和文本分类领域的一个重要研究课题。这种技术已经成为广泛应用的重要组成部分，包括政治，商业，广告和营销。情感分析有多种技术，但最近词嵌入方法已被广泛用于情感分类任务。Word 2 Vec和GloVe是目前最准确和可用的词嵌入方法之一，可以将词转换为有意义的向量。然而，这些方法忽略了文本的情感信息，并且需要大量的文本来训练和生成精确的向量，这些向量被用作深度学习模型的输入。因此，由于某些语料库的规模较小，研究人员往往不得不使用预先训练好的词嵌入，这些词嵌入是在其他大型文本语料库（如Google News）上训练的，大约有1000亿个词。预训练词嵌入准确性的提高对情感分析研究产生了很大的影响。在本文中，我们提出了一种新的方法，改进的词向量（IWV），它提高了情感分析中的预训练词嵌入的准确性。我们的方法是基于词性（POS）标记技术，基于词汇的方法和Word 2 Vec/GloVe方法。我们通过不同的深度学习模型和情感数据集测试了我们方法的准确性。实验结果表明，改进的词向量（IWV）是非常有效的情感分析。
2017-11-23 cs.CL cs.IR
ANUBHUTI: A Comprehensive Corpus For Sentiment Analysis In Bangla Regional Languages
Ahsanullah University of Science and Technology（阿萨努拉大学科学与技术学院）
ANUBHUTI是一个包含10000个句子的全面数据集，用于孟加拉语方言的情感分析，通过双标注方案和多类主题标注，提供政治、宗教和中性内容，以支持更准确的自然语言处理。
2026-01-17 cs.CL cs.LG
Progressive Sentiment Analysis for Code-Switched Text Data
University of California San Diego（加州大学圣地亚哥分校）；Halıcıoğlu Data Science Institute, University of California San Diego（加州大学圣地亚哥分校哈利奇奥卢数据科学研究所）
多语言Transformer语言模型最近引起了研究者的广泛关注，并被用于许多NLP任务的跨语言迁移学习，如文本分类和命名实体识别。然而，用于从单语文本到代码转换文本的迁移学习的类似方法尚未被广泛探索，主要是由于以下挑战：（1）语码转换语料库不同于单语语料库，它由多种语言组成，现有的方法不能有效地应用，（2）语码转换语料库通常由资源丰富和资源贫乏的语言组成，在使用多语言预训练语言模型的基础上，最终的模型可能偏向于资源丰富的语言。在本文中，我们专注于代码切换情感分析，我们有一个标记的资源丰富的语言数据集和未标记的代码切换数据。我们提出了一个框架，考虑到资源丰富和低资源的语言之间的区别。我们不是一次在整个代码转换语料库上进行训练，而是根据资源丰富的语言中的单词比例创建桶，并从资源丰富的语言主导样本逐渐训练到低资源语言主导样本。跨多个语言对的大量实验表明，渐进式训练有助于低资源语言主导的样本。
2022-10-25 cs.CL
BERT-ASC: Auxiliary-Sentence Construction for Implicit Aspect Learning in Sentiment Analysis
Zhuiyi AI Lab（追义人工智能实验室）
本文提出BERT-ASC统一框架，通过构建辅助句子机制解决隐式方面分类与情感分析任务，在多个基准数据集上取得最先进性能。
2024-08-23 cs.AI cs.CL cs.LG
SentimentArcs: A Novel Method for Self-Supervised Sentiment Analysis of Time Series Shows SOTA Transformers Can Struggle Finding Narrative Arcs
Digital Humanities Colab（数字人文合作实验室）；Integrated Program for Humane Studies（人文研究综合项目）；Kenyon College（凯尼恩学院）
SOTA Transformer和DNN短文本情感分类器在IMDB电影评论等狭窄领域的准确率超过97%。现实世界的性能显着较低，因为传统模型过拟合基准，并且对不同或更开放的领域文本的概括性较差。本文介绍了SentimentArcs，一种新的自监督时间序列情感分析方法，它解决了传统监督情感分析的两个主要局限性：有限的标记训练数据集和泛化能力差。大量不同模型的集合为自监督学习提供了合成的基础事实。新的度量共同优化了在每个可能的语料库中的穷举搜索：模型组合。对语料库和模型的联合优化解决了泛化问题。简单的可视化利用了叙述中的时间结构，因此领域专家可以快速发现趋势，识别关键特征，并注意到数百个弧和数百万个数据点的异常。据我们所知，这是第一个用于时间序列情感分析的自监督方法，也是直接比较长形式叙述的真实世界模型性能的最大调查。
2021-10-18 cs.CL cs.LG
Sentiment Analysis Using Aligned Word Embeddings for Uralic Languages
Rootroo Ltd（Rootroo有限公司）；University of Helsinki（赫尔辛基大学）
本文提出一种通过对齐词嵌入将英语训练的神经网络情感分析模型应用于4种濒危乌拉尔语言的方法，准确率至少达56%，仅需双语词典即可实现跨语言迁移。
2023-05-24 cs.CL
Sentiment Analysis in Scholarly Book Reviews
Aix Marseille Université（艾克斯-马赛大学）；CNRS（法国国家科学研究中心）；ENSAM（法国国立高等工程技术学校）；Université de Toulon（土伦大学）
到目前为止，不同的研究已经解决了情感分析在几个领域，如餐厅和电影评论。但是，这一问题在学术书评中尚未得到研究，因为学术书评的风格和篇幅都不同。在本文中，我们建议将不同的功能，以提交给一个监督分类器，提取意见目标的表达和检测其极性在学术书评。我们构建了一个标记语料库，用于训练和评估我们在法语书评中的方法。我们还评估他们的英语餐厅评论，以衡量他们的鲁棒性跨域和语言。评价结果表明，我们的方法是足够强大的英语餐厅评论和法国书评。
2016-03-04 cs.AI cs.CL
Quantitative Stopword Generation for Sentiment Analysis via Recursive and Iterative Deletion
停用词携带很少的语义信息，并且通常从文本数据中移除以减少数据集大小并提高机器学习模型性能。因此，研究人员一直在寻求开发用于生成有效的停用词集的技术。以前的方法从依赖于语言学专家的定性技术，到使用语料库上计算的相关性或频率相关度量来提取单词重要性的统计方法。我们提出了一种新的定量方法，采用迭代和递归的特征删除算法，看看哪些词可以从预先训练的Transformer的词汇表中删除，其性能下降最少，特别是对于情感分析的任务。从经验上讲，通过这种方法生成的停用词列表大大减少了数据集的大小，同时对模型性能的影响可以忽略不计，在一个这样的例子中，语料库缩小了28.4%，而经过训练的逻辑回归模型的准确性提高了0.25%。在另一个例子中，语料库缩小了63.7%，准确率下降了2.8%。这些令人鼓舞的结果表明，我们的方法可以为特定的NLP任务生成高效的停用词集。
2022-09-04 cs.CL cs.LG
RuSentNE-2023: Evaluating Entity-Oriented Sentiment Analysis on Russian News Texts
Lomonosov Moscow State University（莫斯科罗蒙诺索夫国立大学）
本文介绍RuSentNE-2023评测，基于RuSentNE俄语新闻语料库评估句子级命名实体情感分析，最佳系统宏F值达66%，并验证ChatGPT零样本性能可达60%，相当于第4名。
2023-05-28 cs.CL
Word Embeddings for Sentiment Analysis: A Comprehensive Empirical Survey
Politecnico di Torino（都灵理工大学）
本文研究了训练方法、训练语料库规模和文本主题相关性等因素对词嵌入特征在推文、歌词、电影评论和项目评论的情感分析中的作用。我们还探索了特定的训练或后处理方法，可用于提高词嵌入在某些任务或领域的性能。我们的经验观察表明，用大而丰富的词汇量的多主题文本训练的模型在回答句法和语义词类比问题时是最好的。我们进一步观察到，主题相关性的影响是更强的电影和电话评论，但较弱的推文和歌词。后两个领域对语料库大小和训练方法更敏感，Glove优于Word2vec。从词典“注入”额外的智能或生成情感特定的词嵌入是提高词嵌入特征性能的两个突出的替代方案。
2019-02-02 cs.CL cs.IR
Leveraging Foreign Language Labeled Data for Aspect-Based Opinion Mining
Posts and Telecommunications Institute of Technology（越南邮电技术学院）
基于方面的观点挖掘是在观点文本的方面层次上识别情感的任务，它包括两个子任务：方面类别提取和情感极性分类。虽然方面类别提取的目的是检测和分类的意见目标，如产品特征，情感极性分类分配一个情感标签，即积极的，消极的，或中性的，每个识别的方面。监督学习方法已被证明可以为这项任务提供更好的准确性，但它们需要标记的数据，这是昂贵的，特别是对于资源贫乏的语言，如越南语。为了解决这个问题，我们提出了一个监督方面为基础的意见挖掘方法，利用标记的数据从外语（英语在这种情况下），这是翻译成越南语的自动翻译工具（谷歌翻译）。由于不同语言中的方面和观点可能由不同的词来表达，因此我们提出使用词嵌入以及其他特征来减少原文和译文之间的词汇差异，从而提高方面类别提取和情感极性分类过程的有效性。我们还介绍了一个注释语料库的方面类别和情感极性提取的餐馆评论在越南，并进行了一系列的实验语料库。实验结果证明了该方法的有效性。
2020-03-15 cs.AI cs.CL cs.IR
DECO-MWE: building a linguistic resource of Korean multiword expressions for feature-based sentiment analysis
DICORA, Department of Linguistics and Cognitive Science, Hankuk University of Foreign Studies, Korea（DICORA，语言学与认知科学系，韩国民法大学，韩国）；Université Paris-Est, LIGM, CNRS, UPEM, ESIEE, ENPC, France（巴黎-est大学，LIGM，法国国家科学研究中心，UPEM，ESIEE，ENPC，法国）
本文构建了用于基于特征的情感分析的韩语多词表达资源DECO-MWE，通过局部语法图方法识别四种多词表达类型，提升了情感分析的检索性能。
2026-05-11 cs.CL
Quality of Word Embeddings on Sentiment Analysis Tasks
Politecnico di Torino（都灵理工大学）
词嵌入或词的分布式表示被用于各种应用中，如机器翻译、情感分析、主题识别等。词嵌入的质量及其应用的性能取决于几个因素，如训练方法、语料库大小和相关性等。在这项研究中，我们比较了十几种预训练的词嵌入模型在歌词情感分析和电影评论极性任务上的性能。根据我们的研究结果，Twitter Tweets在歌词情感分析方面表现最好，而Google News和Common Crawl在电影极性分析方面表现最好。Glove训练的模型比Skipgram训练的模型跑得快。此外，主题相关性和语料库规模等因素也会显著影响模型的质量。当有中等或大规模的文本集时，从同一训练数据集获取词嵌入通常是最好的选择。
2020-03-06 cs.CL cs.IR cs.LG
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
Deep Learning versus Traditional Classifiers on Vietnamese Students' Feedback Corpus
学生反馈是收集学生意见、提高培训活动质量的重要来源。对学生反馈数据实施情感分析，我们可以确定表达机构中所有问题的情感极性，因为将应用必要的改变来提高教学质量。本研究以一所大学的越南学生反馈语料库为研究对象，采用机器学习和自然语言处理技术（朴素贝叶斯、最大熵、长短期记忆、双向长短期记忆）对学生的反馈进行研究。最后根据不同的评价标准对模型进行了比较和评价，以找出最有效的模型。实验结果表明，双向长短期记忆算法优于其他三种算法的F1分数测量92.0%的情感分类任务和89.6%的主题分类任务。此外，我们开发了一个情感分析应用程序分析学生的反馈。该应用程序将帮助该机构认识到学生对一个问题的意见，并确定仍然存在的缺点。通过使用该应用程序，机构可以提出适当的方法，以提高未来培训活动的质量。
2019-11-17 cs.CL cs.CY cs.LG
A Piece of My Mind: A Sentiment Analysis Approach for Online Dispute Detection
Cornell University（康奈尔大学）
我们调查的新任务，在线纠纷检测，并提出了一个情感分析解决方案的问题：我们的目标是确定在讨论中表达的序列的一个层次的情感，并使用它们作为功能的分类器，预测作为一个整体的讨论的争议/非争议标签。我们评估了一个新创建的维基百科讨论页争议语料库的争议检测方法，发现依赖于我们的情感标记功能的分类器优于那些不这样做。最好的模型实现了非常有希望的F1得分0.78和准确度0.80。
2016-06-17 cs.CL
Identifying the sentiment styles of YouTube's vloggers
University of Amsterdam（阿姆斯特丹大学）；University College London（伦敦大学学院）
视频博客在一个新颖的环境中提供了丰富的公共数据源。本文使用动态文本内情感分析方法研究了27,333个vlog中使用的连续情感风格。使用无监督聚类，我们确定了七个不同的连续情感轨迹，其特征是在整个vlog的叙事时间内情感的波动。我们提供了这七种连续情感风格的分类，并发现情感朝着积极结局发展的vlog在我们的样本中最普遍。性别与不同的连续情感轨迹的偏好。本文讨论的结果与以前的工作，并展望可能使用的语料库，方法和本文的研究结果，为相关领域的研究。
2018-08-29 cs.CL
Exploiting Social Network Structure for Person-to-Person Sentiment Analysis
Stanford University（斯坦福大学）
人与人之间的评价普遍存在于各种话语中，对建立声誉、建立社会联系和塑造公众舆论都很重要。这种评价可以分别使用签名社交网络和文本情感分析进行分析，但这错过了语言和社交语境之间丰富的互动。为了捕捉这样的互动，我们开发了一个模型，预测个人A的个人B的意见，通过综合信息，从签署的社会网络中，A和B嵌入与情感分析的评价文本有关的A到B。我们证明了这个问题是NP难的，但可以放松到一个有效的可解的铰链损失马尔可夫随机场，我们表明，这种实现优于纯文本和网络版本在两个非常不同的数据集，涉及社区层面的决策：维基百科的管理请求语料库和投票美国国会演讲语料库。
2014-09-08 cs.CL cs.SI physics.soc-ph
DomBERT: Domain-oriented Language Model for Aspect-based Sentiment Analysis
Tsinghua University（清华大学）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
本文重点研究了由最终任务驱动的面向领域的语言模型的学习，旨在将通用语言模型（如ELMo和BERT）和特定领域的语言理解结合起来。我们提出了DomBERT，一个扩展的BERT学习领域内语料库和相关领域语料库。这有助于学习领域语言模型与低资源。在基于方面的情感分析的任务分类进行实验，展示了可喜的成果。
2020-04-28 cs.CL
Beyond Sentiment: Leveraging Topic Metrics for Political Stance Classification
University of Rochester（罗切斯特大学）
针对情感分析难以准确反映文本政治立场的不足，本研究提出基于BERTopic提取的主题度量作为替代与补充，实验证明其显著提升了连贯性及立场分类性能，结合情感度量可达最优效果。
2023-10-24 cs.CL cs.CY
Sentiment Identification in Code-Mixed Social Media Text
Rutgers University（罗格斯大学）；MAKAUT（毛拉纳阿布卡拉姆阿扎德技术大学）；Jadavpur University（贾达普大学）
情感分析是自然语言处理（NLP）任务，处理文本中情感的检测和分类。虽然有些任务处理识别文本中的情感存在（主观性分析），但其他任务旨在确定文本的极性，将其分类为积极，消极和中性。每当文本中存在情感时，它都有一个来源（人，一群人或任何实体），并且情感指向某个实体，对象，事件或人。情感分析任务旨在确定情感的主体、目标和极性或效价。在我们的工作中，我们尝试使用机器学习方法从Facebook帖子中自动提取情感（积极或消极）。虽然已经在代码混合的社交媒体数据和情感分析中分别完成了一些工作，但我们的工作是第一次尝试（截至目前），旨在对代码混合的社交媒体文本进行情感分析。我们使用了大量的预处理来去除原始文本中的噪声。多层感知器模型已被用来确定的极性的情绪。我们还通过手动标记Facebook帖子及其相关情绪来开发此任务的语料库。
2017-07-04 cs.AI cs.CL cs.SI
Sentiment Analysis of German Twitter
本文探讨了人们如何在德国Twitter上表达自己的意见的方式，研究了目前的方法来自动挖掘这些感情，并提出了新的方法，这优于国家的最先进的技术。为了这个目的，我介绍了一个新的语料库的德国推文，已手动注释的情绪，他们的目标和持有人，以及极性条款和他们的上下文修饰符。使用这些数据，我探索情感研究的四个主要领域：（i）情感词典的生成，（ii）细粒度的意见挖掘，（iii）消息级别的极性分类，（iv）话语感知情感分析。在第一个任务中，我比较了三个流行的组的词典生成方法：字典，语料库，和词嵌入为基础的，发现基于字典的系统一般产生更好的词典比后两组。除此之外，我提出了一个线性投影算法，其结果超过了许多现有的自动词典。之后，在第二个任务中，我研究了两种常见的自动预测情感，来源和目标的方法：条件随机场和递归神经网络，前者模型获得更高的分数，并通过重新定义CRF图的结构进一步改善这些结果。在处理消息级别的极性分类时，我将三种主要的情感范式并列：基于词汇的系统、基于机器学习的系统和基于深度学习的系统，并试图通过引入具有基于词汇的注意力的双向神经网络来统一第一组和最后一组。最后，为了使新的分类器意识到话语结构，我让它分别分析每个微博的基本话语单位，并推断出一个消息的整体极性从其EDU的分数的帮助下，两个新的方法：潜在边缘化的CRF和递归Dirichlet过程。
2019-11-29 cs.CL
Disentangling Aspect and Opinion Words in Target-based Sentiment Analysis using Lifelong Learning
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；Yahoo! Research（雅虎研究院）；Huawei Research America（华为美国研究院）
给定一个目标名称，它可以是一个产品方面或实体，识别其方面的词和意见的词在给定的语料库是一个细粒度的任务，基于目标的情感分析（TSA）。这个任务是具有挑战性的，特别是当我们没有标记的数据，我们想为任何给定的域执行它。为了解决这个问题，我们提出了一个一般的两阶段的方法。第一阶段提取/分组给定目标的目标相关词（呼叫t词）。这相对容易，因为我们可以应用现有的基于语义的学习技术。第二阶段将体和观点词从分组的t词中分离出来，这是一个挑战，因为我们通常没有足够的词级体和观点标签。在这项工作中，我们制定了这个问题在PU学习设置，并结合终身学习的思想来解决它。实验结果表明，我们的方法的有效性。
2018-02-16 cs.AI cs.CL
SANA : Sentiment Analysis on Newspapers comments in Algeria
University of Khenchela（肯切拉大学）；University of Constantine 2（康斯坦丁第二大学）；University of Poitiers（普瓦捷大学）
在当今生活中，从人们与正在发生的事件的互动中寻求跟踪人们的意见是非常流行的。一个非常常见的方法是在报纸和网站上发表的关于当代事件的文章中发表评论。情感分析或观点挖掘是一个新兴的领域，其目的是发现隐藏在有观点的文本背后的现象。我们通过阿尔及利亚报纸网站上的评论对我们的工作感兴趣。为此，使用了SANA和OCA两个语料库。SANA语料库是通过收集来自三家阿尔及利亚报纸的评论创建的，并由两名阿尔及利亚阿拉伯语母语者进行注释，而OCA是一个免费提供的情感分析语料库。对于分类，我们采用支持向量机，朴素贝叶斯和最灵敏的邻居。得到的结果是非常有希望的，并显示在这样的域中的不同效果的干，也knearest邻居给重要的改进相比，其他分类器不像类似的工作，其中SVM是最占主导地位的。从本研究中我们观察到报纸评论情感分析专用资源和方法的重要性，并对未来的工作进行展望。
2020-05-31 cs.CL cs.LG
Sentiment Analysis of Arabic Tweets: Feature Engineering and A Hybrid Approach
阿拉伯语的情感分析是一项具有挑战性的任务，由于语言的丰富形态。此外，当应用于Twitter数据时，任务变得更加复杂，这些数据被认为是高度非正式和嘈杂的。在本文中，我们开发了一种混合的方法，用于情感分析阿拉伯语的推文为一个特定的阿拉伯语方言，这是沙特方言。几个功能的设计和评估使用功能向后选择方法。然后针对多种分类模型（双向、三向、四向）开发了一种结合基于语料库和基于词典的方法的混合方法。各模型的最佳F1值分别为（69.9，61.63，55.07）。
2018-05-22 cs.CL
PELESent: Cross-domain polarity classification using distant supervision
University of São Paulo (USP)（圣保罗大学 (USP)）
互联网用户每天发布的大量文本促进了在若干自然语言处理领域（诸如情感分析）中分析该内容的方法的发展。此任务的主要目标是对消息的极性进行分类。尽管已经提出了许多用于情感分析的方法，但是一些最成功的方法依赖于大型注释语料库的可用性，这是一个昂贵且耗时的过程。近年来，远程监督已被用于获得更大的数据集。因此，受这些技术的启发，在本文中，我们扩展了这些方法，以纳入电子消息中使用的流行图形符号（表情符号），以便为葡萄牙语创建一个大型情感语料库。经过近一百万条推文的训练，几个模型在同一领域和跨领域语料库中进行了测试。我们的方法获得了非常有竞争力的结果，在五个注释语料库从混合域（Twitter和产品评论），这证明了这种方法的域独立属性。此外，我们的研究结果表明，表情符号和表情符号的组合能够正确地捕捉消息的情感。
2017-07-09 cs.AI cs.CL cs.LG
Survey of Aspect-based Sentiment Analysis Datasets
University of Houston（休斯顿大学）；Adobe Research（Adobe研究院）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）
本文综述了65个公开ABSA数据集，覆盖25个以上领域，梳理主要语料库特征、收集方法优缺点，并为未来语料库建设提供建议。
2023-09-21 cs.AI cs.CL
CATs are Fuzzy PETs: A Corpus and Analysis of Potentially Euphemistic Terms
Montclair State University（蒙特克莱尔州立大学）
本文构建潜在委婉语术语（PETs）语料库，分析发现委婉语降低负面情感，且标注分歧与术语普遍接受度相关。
2022-05-05 cs.CL
Semantic and sentiment analysis of selected Bhagavad Gita translations using BERT-based language framework
University of New South Wales（新南威尔士大学）；Indian Institute of Technology Guwahati（印度理工学院古瓦哈蒂分校）
众所周知，歌曲和诗歌的翻译不仅会打破节奏和押韵模式，而且还会导致语义信息的丢失。《薄伽梵歌》（Bhagavad Gita）是一部古印度哲学文本，最初是用梵文写成的，它描述了在摩诃婆罗多战争之前，奎师那和阿诸那之间的对话。《博伽梵歌》也是印度教的主要圣书之一，被称为印度教吠陀全集的最前沿。在过去的两个世纪里，西方学者对印度教哲学产生了浓厚的兴趣;因此，《博伽梵歌》被翻译成了多种语言。然而，没有太多的工作来验证英文翻译的质量。由深度学习驱动的语言模型的最新进展不仅使翻译成为可能，而且通过语义和情感分析更好地理解语言和文本。我们的工作是由深度学习方法驱动的语言模型的最新进展推动的。在本文中，我们提出了一个框架，比较选定的翻译（从梵文到英语）的薄伽梵歌使用语义和情感分析。我们使用手动标记的情感数据集来调整最先进的基于深度学习的语言模型，称为Transformers的双向编码器表示（BERT）。我们为选定的章节和跨翻译的诗句提供情感和语义分析。我们的研究结果表明，虽然风格和词汇在各自的翻译差异很大，情感分析和语义相似性表明，所传达的信息大多是相似的。
2022-02-15 cs.AI cs.CL
YouTube AV 50K: An Annotated Corpus for Comments in Autonomous Vehicles
Purdue University（普渡大学）
每月有10亿观众，数百万用户讨论和分享意见，YouTube视频下面的评论是意见挖掘和情感分析的丰富数据来源。我们介绍了YouTube AV 50K数据集，这是一个免费提供的集合，包含超过50，000条YouTube评论和自动驾驶汽车（AV）相关视频的元数据。我们描述了它的创建过程，它的内容和数据格式，并讨论了它的可能用途。特别是，我们对第一起自动驾驶汽车死亡事故进行了案例研究，以评估数据集，并展示如何使用该数据集更好地了解公众对自动驾驶汽车的态度和公众对事故的反应。对数据集的未来发展也进行了讨论。
2018-10-15 cs.AI cs.CL
Domain-Specific Language Model Post-Training for Indonesian Financial NLP
Institut Teknologi Bandung（万隆理工学院）；PT Bank Rakyat Indonesia (Persero) Tbk（印尼人民银行（Persero）股份有限公司）
针对印尼语金融领域，对预训练IndoBERT进行小规模语料后训练，构建数据集并发布BERT模型族，验证了后训练可提升领域下游任务效果。
2023-10-15 cs.AI cs.CL
Mapping ChatGPT in Mainstream Media to Unravel Jobs and Diversity Challenges: Early Quantitative Insights through Sentiment Analysis and Word Frequency Analysis
Brock University（布鲁克大学）
本文通过文本挖掘和NLP方法分析了10,902条主流媒体新闻标题，揭示ChatGPT在主流媒体中情感偏正面，但就业与多样性等议题被严重忽视，批判了大型科技公司与媒体在排斥这些挑战时的权力结构与共谋。
2023-08-03 cs.CL cs.CY
MONOVAB : An Annotated Corpus for Bangla Multi-label Emotion Detection
Alliance University（联盟大学）；Daffodil International University（达福德国际大学）；OP Jindal Global University（OP金达尔全球大学）
本文构建了基于Facebook数据的孟加拉语多标签情感标注语料库MONOVAB，采用上下文标注方法，并验证BERT模型在该任务上表现最佳，同时开发了Web应用进行演示。
2026-09-30 cs.CL cs.LG
Improving Sentiment Analysis in Arabic Using Word Representation
Coventry University（考文垂大学）
阿拉伯语在词法、拼写和方言方面的复杂性使得阿拉伯语的情感分析更具挑战性。此外，为了衡量情绪，从tweet等短消息中提取文本特征提取，使这项任务更加困难。近年来，深度神经网络经常被采用，并在情感分类和自然语言处理应用中表现出非常好的效果。词嵌入或词分布方法是一种从上下文文本中捕获最接近的词的有效工具。在本文中，我们描述了我们如何构建Word 2 Vec模型从一个大型的阿拉伯语语料库，从十份报纸在不同的阿拉伯国家。通过应用不同的机器学习算法和具有不同文本特征选择的卷积神经网络，我们报告了我们公开可用的阿拉伯语健康情感数据集上情感分类的准确性提高（91%-95%）[1]
2018-03-30 cs.CL
Sentiment Analysis of Citations Using Word2vec
University of Nottingham Malaysia Campus（诺丁汉大学马来西亚校区）
引文情感分析是科技论文分析中的一项重要任务。现有的用于引文情感分析的机器学习技术主要集中在劳动密集型特征工程上，这需要大量的注释语料库。word2vec作为一种自动特征提取工具，已成功应用于短文本的情感分析。在这项工作中，我进行了实证研究的问题：如何以及word2vec工作的情感分析的引文？该方法通过对从Anthology Collections（ACL-Embeddings）中学习的词嵌入进行平均来构造句子向量（sent2vec）。我还研究了极性特定的词嵌入（PS嵌入）分类积极和消极的引文。句子向量形成一个特征空间，被检查的引用句子被映射到该特征空间。将这些特征输入分类器（支持向量机）进行监督分类。使用10-交叉验证方案，进行了评价的一组注释的引文。结果表明，词嵌入对正、负引文的分类是有效的。然而，手工制作的功能表现更好的整体分类。
2017-04-01 cs.CL
Is Sentiment Banana-Shaped? Exploring the Geometry and Portability of Sentiment Concept Vectors
Aarhus University（奥胡斯大学）
本文评估了概念向量投影在不同领域、历史时期和语言中的可移植性，发现其在不同语料库间转移时性能损失小，并探讨了其线性假设的近似性。
2026-04-08 cs.CL
Examining Gender and Race Bias in Two Hundred Sentiment Analysis Systems
National Research Council Canada（加拿大国家研究委员会）
自动机器学习系统可能会无意中加重和延续不适当的人类偏见。过去研究不适当偏见的工作主要集中在个别系统上。此外，没有基准数据集来检查系统中的不适当偏差。在这里，我们第一次介绍了公平评估语料库（EEC），它由8，640个精心挑选的英语句子组成，以梳理出对某些种族和性别的偏见。我们使用该数据集来检查219个自动情感分析系统，这些系统参与了最近的共享任务SemEval-2018任务1“影响推文”。我们发现，有几个系统显示出统计上的显著偏差;也就是说，它们始终为一个种族或一个性别提供略高的情感强度预测。我们免费提供EEC。
2018-05-11 cs.CL
LLM-Augmented Therapy Normalization and Aspect-Based Sentiment Analysis for Treatment-Resistant Depression on Reddit
本文通过Reddit数据研究抗药性抑郁症患者的药物使用和情感倾向，利用大型语言模型进行情感分析，揭示药物感知差异及治疗经验特征。
2026-03-12 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
Gated Mechanism for Attention Based Multimodal Sentiment Analysis
多模态情感分析最近越来越受欢迎，因为它与社交媒体帖子，客户服务电话和视频博客相关。在本文中，我们解决三个方面的多模态情感分析：1。跨模态交互学习，即多模态如何有助于情感，2。学习多模态交互中的长期依赖关系; 3.单模态和跨模态线索的融合。在这三个中，我们发现学习跨模态交互对这个问题是有益的。我们在两个基准数据集上进行了实验，CMU多模态意见水平情感强度（CMU-MOSI）和CMU多模态意见情感强度（CMU-MOSEI）语料库。我们在这两个任务上的方法分别产生了83.9%和81.1%的准确率，比当前最先进的方法分别提高了1.6%和1.34%。
2020-02-21 cs.CL cs.LG stat.ML
LLM-Based Financial Sentiment Analysis in Arabic: Evidence from Saudi Markets
George Mason University（乔治·马歇尔大学）；Damascus University（大马士革大学）；University of Jeddah（朱德赫大学）；City, St George's, University of London（伦敦城市大学）
本文提出了一种针对沙特市场的阿拉伯语NLP框架，用于大规模金融情绪分析，结合官方财务新闻和社会媒体数据，通过多阶段流程构建阿拉伯语财务语料库，并利用Transformer-based NER和定制公司词典进行情绪标注，最终实现了对公司层面的情绪聚合和情绪动态分析。
2026-05-19 cs.CL
