基于深度学习方法的社会媒体文本双语情感识别

《Scientific Reports》：Bilingual emotion recognition of social media texts using deep learning approach

　　

摘要

在社交媒体平台上，用户使用多种语言发表评论，表达自己的想法和观点，其中包括英语和阿姆哈拉语，从而产生了海量数据。准确解读这些评论具有重要的实际意义，可应用于客户情绪分析、舆情监测以及心理健康意识提升等领域。因此，情感分类任务显得尤为重要。在双语及多民族社会中，人们在口语和书面交流中常常混合使用多种语言。其中，说阿姆哈拉语和英语的人在交谈及发布社交媒体内容时也经常混用这两种语言。然而，现有研究并未涉及对这种双语环境下的情感分析，这一课题带来了诸多挑战。本研究将运用卷积神经网络和双向长短期记忆网络来对阿姆哈拉语和英语的社交媒体评论进行情感分类。研究所需的数据来自社交媒体及Kaggle数据平台，由专家将其标注为六类不同的情绪类型。经过数据清洗后，共有97,728条数据用于模型训练，其中80%用于训练，10%用于验证，剩余10%用于模型测试。模型的性能通过准确率、精确率、召回率、F1分数以及AUC-ROC等指标来评估。使用Keras词嵌入时，卷积神经网络模型的测试准确率为89.94%，而双向长短期记忆网络模型的测试准确率为88.99%。当采用FastText词嵌入时，双向长短期记忆网络模型的测试准确率上升至91.79%，卷积神经网络模型的测试准确率为91.16%。结果表明，相较于卷积神经网络模型，双向长短期记忆网络模型整体表现更佳，尤其是在与FastText词嵌入结合使用时。