基于Transformer模型的YouTube视频评论情感分析：优化策略与性能比较

为解决YouTube视频评论情感分析中传统方法难以捕捉语境复杂性的问题，研究人员系统评估了BERT、GPT、RoBERTa和T5等Transformer架构的性能。通过优化预训练技术、损失函数和超参数，发现RoBERTa在Just Dance数据集上表现最优（F1-score 0.93），为社交媒体情感监测提供了高效解决方案。

　　

随着YouTube等视频平台成为用户表达情感的重要载体，海量评论中蕴含的观众情绪对内容创作者、营销商和心理健康研究具有重要价值。然而，传统情感分析方法如基于规则或简单机器学习算法，难以应对网络评论中复杂的语境、俚语和多模态表达。更棘手的是，现有研究多集中于标准化数据集（如IMDb影评），缺乏针对YouTube评论特性的专项分析。这种局限性使得平台方难以精准捕捉用户反馈，也阻碍了情感分析技术在数字营销和心理健康预警等领域的应用。

为突破这一瓶颈，研究人员开展了一项针对Transformer模型的系统性研究。通过对比BERT（双向编码器表示）、GPT（生成式预训练模型）、RoBERTa（优化版BERT）和T5（文本到文本转换模型）在Just Dance数据集上的表现，结合不同tokenizer（分词器）、损失函数和优化器的组合测试，最终构建出高性能的情感分析框架。

研究采用多阶段技术路线：首先对278,242条YouTube评论进行数据清洗，包括表情符号文本化、缩写标准化和停用词过滤；随后采用模型专用tokenizer（如RoBERTaTokenizer）处理文本；通过交叉熵损失函数（Cross-Entropy Loss）和AdamW优化器（自适应矩估计优化器）进行训练；最终在IMDb、SST-2等基准数据集上验证泛化能力。关键创新点在于系统优化了学习率（3×10^-5）、批量大小（32）和预热步数（500）等超参数。

模型性能比较
实验数据显示，RoBERTa在F1-score（0.93）、准确率（0.95）等指标上全面领先，其专用tokenizer和AdamW优化器的组合显著提升了对语境细微差别的捕捉能力。相比之下，GPT因单向架构限制在情感分类任务中表现最弱（F1-score 0.87）。

损失函数影响
交叉熵损失函数展现出最佳稳定性，使RoBERTa的精确度达0.93。而Focal Loss（焦点损失）虽能缓解类别不平衡问题，但在此任务中反降低性能约5%。

跨数据集验证
在IMDb影评数据集上，RoBERTa的F1-score进一步提升至0.94，证实其强大的迁移学习能力。但对包含更多网络用语的数据集（如Yelp评论），所有模型性能均出现2-3%的下降，凸显出现有方法对非规范文本的识别瓶颈。

讨论与展望
该研究证实RoBERTa凭借其动态掩码机制和大规模预训练，在情感分析任务中具有显著优势。但值得注意的是，模型在识别反讽和方言表达时仍存在误判，这与其训练数据的文化偏向性有关。未来研究可通过引入多语言预训练和融合视觉特征（如视频缩略图）来增强跨模态理解。

发表于《Scientific African》的这项成果，不仅为社交媒体情感分析提供了可复用的技术方案（相关超参数配置已开源），更揭示了Transformer模型在心理健康监测领域的潜力——通过实时分析用户评论中的情绪波动，可构建早期心理危机预警系统。然而，研究者也强调需警惕模型偏见问题，建议在实际应用中结合人工审核机制以确保伦理合规性。