新的机器学习模型应对社交媒体上的政治情感分析

研究人员开发了两种机器学习方法，一种使用XGBoost，另一种基于BERT，以应对在社交媒体上识别政治观点的多类别情感分析的挑战。两种模型均在标记的政治社交媒体帖子数据集上进行了训练和评估。XGBoost模型达到了0.2835的F1分数，而基于BERT的模型达到了0.2806的F1分数，这凸显了对复杂政治言论进行分类的难度。 AI

影响 这项研究为多类别政治情感分析提供了一个基准，并强调了对复杂社交媒体言论进行分类的挑战。

排序理由 该集群包含一篇学术论文，详细介绍了用于情感分析的新机器学习模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• BERT
• DagsHub
• Girme Yohannis Bade
• Gotit.pub
• Hugging Face
• natural language processing
• ScienceCast
• XGBoost

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →