Eine End-to-End-Multitask-Lernmethode (MM-ECPE) basierend auf der gemeinsamen Interaktion zwischen GRU-, Wissensgraph- und Transformer-Modulen wird vorgeschlagen, um die Beziehung zwischen der Extraktion von Emotionen und Ursachen besser zu modellieren und das Problem der unausgewogenen Verteilung von Emotion- und Ursache-Sätzen zu lösen.
Durch die Verwendung einer unüberwachten Sentiment-Analyse-Methode, die sowohl die Bedeutungen der Emojis als auch deren Verwendungskontext in informellen Texten berücksichtigt, können Emoji-Sentiment-Lexika automatisch erstellt werden, die die Sentiment-Erkennung in solchen Texten verbessern.
Dieser Artikel präsentiert ein neuartiges Verfahren zur Erstellung von Sentiment-bewussten Satzrepräsentationen, das die Qualität der Repräsentationen durch eine neue Metrik (SgTS) garantiert und zu besseren Ergebnissen in Sentiment-Analyse-Aufgaben führt.
Dieses Papier stellt KazSAnDRA vor, den ersten und größten öffentlich zugänglichen Datensatz für die Sentiment-Analyse in kasachischer Sprache. Der Datensatz umfasst 180.064 Bewertungen aus verschiedenen Quellen und enthält numerische Bewertungen von 1 bis 5, die die Einstellungen der Kunden quantitativ darstellen. Darüber hinaus wurden vier Maschinenlernmodelle entwickelt und evaluiert, um die automatische Klassifizierung kasachischer Sentiments zu ermöglichen.