PulseAugur
中
实时 21:26:58
English(EN) Classification of Public Opinion on the Free Nutritional Meal Program on YouTube Media Using the LSTM Method

LSTM模型在YouTube餐食计划评论分类中达到89%的准确率

作者 PulseAugur 编辑部 · [2 个来源] ·

一项研究利用长短期记忆（LSTM）方法，通过分析7733条YouTube评论，对印度尼西亚的免费营养餐计划的公众舆论进行了分析。LSTM模型在情感分类中达到了89%的准确率，在负面评论方面表现强劲，但由于数据不平衡，在正面情感方面面临挑战。这项研究强调了LSTM在印尼文本情感分析方面的有效性，以及它在通过社交媒体评估公共政策方面的贡献。 AI

影响 展示了LSTM在公共政策评估的社交媒体情感分析中的实用性。

排序理由 关于将LSTM模型应用于社交媒体评论情感分析的学术论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

LSTM模型在YouTube餐食计划评论分类中达到89%的准确率

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Berliana Enda Putri, Lisa Diani Amelia, Muhammad Zaky Zaiddan, Luluk Muthoharoh, Ardika Satria, Martin Clinton Tosima Manullang ·

    利用LSTM方法对YouTube媒体上免费营养餐计划的公众舆论进行分类

    arXiv:2604.26312v1 Announce Type: new Abstract: Public opinion towards the Free Nutritious Meal Program (MBG) on YouTube social media reflects diverse community responses. This study applies the Long Short-Term Memory (LSTM) method to classify sentiments from 7,733 YouTube commen…

  2. arXiv cs.CL TIER_1 English(EN) · Martin Clinton Tosima Manullang ·

    使用LSTM方法对YouTube媒体关于免费营养餐计划的公众舆论进行分类

    Public opinion towards the Free Nutritious Meal Program (MBG) on YouTube social media reflects diverse community responses. This study applies the Long Short-Term Memory (LSTM) method to classify sentiments from 7,733 YouTube comments. The results show that the LSTM model achieve…

相关实体

相关话题