文档摘要：本论文研究了基于RoBERTa的在线用户评论的细粒度情感分析模型.结合数据增强、模型微调、多任务学习和注意力机制等技术和方法,提升模型性能.本文使用了Semeval2014数据集,其中包含了各种情感类别的评论,如积极、消极和中性.实验结果显示,本文的方法在细粒度情感分析任务中,与传统方法相比取得了明显的性能提升,本文提出的模型能更好地识别评论中的情感极性.
Abstract：Thispaperstudiesthefine-grainedsentimentanalysisofonlineuserreviewsbasedontheRoBERTamodel.Bycombiningtechniquesandmethodssuchasdataaugmentation,modelfine-tuning,multi-tasklearningandattentionmechanism,themodelperformanceisimproved.ThispaperusestheSemeval2014dataset,whichcontainsreviewsofvariousfine-grainedsentimentcategories,suchaspositive,negativeandneutral.Theexperimentalresultsshowthattheproposedmethodachievessignificantperformanceimprovementcomparedwiththetraditionalmethodsinthefine-grainedsentimentanalysistask.Theproposedmodelcanbetteridentifythesentimentpolarityinthereviews.
作者：黄山山Author：HUANGShanshan
作者单位：上海理工大学管理学院,上海200093
刊名：智能计算机与应用
Journal：IntelligentComputerandApplications
年，卷(期)：2024, 14(7)
分类号：TP391
关键词：在线评论 细粒度情感分析 NLP
Keywords：onlinereviews fine-grainedsentimentanalysis NLP
机标分类号：TP391.41TP181H146.2
在线出版日期：2024年7月22日
基金项目：基于RoBERTa模型的在线用户评论细粒度情感分析[
期刊论文] 智能计算机与应用--2024, 14(7)黄山山本论文研究了基于RoBERTa的在线用户评论的细粒度情感分析模型.结合数据增强、模型微调、多任务学习和注意力机制等技术和方法,提升模型性能.本文使用了Semeval2014数据集,其中包含了各种情感类别的评论,如积极、消极和中...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：在线评论,细粒度情感分析,NLP,
|
|
1
