.png){kind=icon}
返回
Parametrically modified BERT for emotion prediction through sentiment analysis
.png){kind=icon}
OA
AI
DOI：10.1007/s10791-026-09958-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
社交网络在文本挖掘应用中的需求日益增加。文本分析已成为互联网上更流行的技术。社交媒体平台为文本数据提供了丰富的访问途径，允许用户发布评论，使得对这些评论的分析对各种商业应用至关重要。情感分析（SA）是自然语言处理的一个子领域，旨在自动识别和分类文本中表达的观点为积极、消极或中性。它在理解公众意见方面发挥着关键作用，尤其是在应用于社交媒体平台的大规模文本数据时。然而，由平台特定API、隐私限制和数据使用限制管理的社交媒体数据提取政策，给获取高质量、有代表性的研究数据集带来了挑战。本研究提出了TSAPM-BERT，一种基于参数修改的BERT框架，整合了加权注意力机制、情感词典信息和学习率优化，以增强方面级情感分类。我们在基准情感数据集上评估了该模型，并将其性能与传统机器学习和深度学习基准进行比较。实验结果表明，TSAPM-BERT达到训练准确率99.37和测试准确率98.52，优于竞争方法。这项工作提供了一个可复现的框架，弥合了高精度情感分类与社交媒体数据使用实际约束之间的差距。
Keyword:
Sentiment analysis
TSAPM-BERT
NLP
Neural network
BERT
期刊
D
IF:
0
论文数:
447
被引数:
8
机构
引用论文
Sentiment Analysis of Text Reviews Using Lexicon-Enhanced Bert Embedding (LeBERT) Model with Convolutional Neural Network使用词库增强的Bert嵌入 (LeBERT) 模型和卷积神经网络对文本评论进行情感分析OAAI
OAAI分享收藏Enhancing BERT Representation With Context-Aware Embedding for Aspect-Based Sentiment Analysis.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
Novel approaches for fake news detection based on attention-based deep multiple-instance learning using contextualized neural language modelsNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容