PulseAugur
中
实时 06:18:27
English(EN) Hybrid TF--IDF Logistic Regression and MLP Neural Baseline for Indonesian Three-Class Sentiment Analysis on Social Media Text

混合模型在印度尼西亚情感分析中取得优异成果

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种混合方法用于印度尼西亚情感分析，结合了 TF-IDF 文本特征与 logistic 回归和神经网络基线。该研究专注于使用 707 个样本的数据集将社交媒体文本分类为正面、负面和中性类别。虽然 logistic 回归模型在准确率和 F1 分数上表现具有竞争力，但多层感知机 (MLP) 神经网络在实验环境中显示出更高的准确率，尽管它被认为不太适合生产部署。 AI

影响 这项研究表明，即使在较小的数据集上，传统的机器学习模型在特定的 NLP 任务上仍然具有竞争力。

排序理由 该集群包含一篇学术论文，详细介绍了一种新的情感分析方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

混合模型在印度尼西亚情感分析中取得优异成果

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Martin C. T. Manullang ·

    用于印度尼西亚三分类社交媒体文本情感分析的混合TF--IDF逻辑回归和MLP神经网络基线

    This paper presents a compact three-class sentiment analysis study for Indonesian social media text. The task is formulated with positive, negative, and neutral outputs derived from a fine-grained emotion dataset. The proposed practical baseline combines TF--IDF text features, th…

相关实体

相关话题