تحليل المشاعر
تحليل المشاعر هو مهمة في مجال معالجة اللغة الطبيعية تهدف إلى تصنيف النبرة العاطفية للنصوص المعطاة، عادةً ما يتم تصنيفها كإيجابية أو سلبية أو محايدة. يمكن تحقيق هذه المهمة من خلال التعلم الآلي، وطرق القواميس، والمناهج الهجينة. في السنوات الأخيرة، تم استخدام تقنيات التعلم العميق مثل RoBERTa و T5 على نطاق واسع لتدريب تصنيفات المشاعر عالية الأداء، مع مؤشرات تقييم تشمل درجة F1، والاسترجاع، والدقة. ليس فقط يستخدم تحليل المشاعر لمراقبة وسائل التواصل الاجتماعي، بل يُطبق أيضًا بشكل واسع في مجالات مثل تحليل مراجعات المنتجات وتوقعات أسواق الأسهم، مما يظهر قيمة تطبيقية كبيرة.
SST-2 Binary classification
T5-11B
IMDb
XLNet
SST-5 Fine-grained classification
Heinsen Routing + RoBERTa Large
Yelp Binary classification
BERT large
MR
VLAWE
Yelp Fine-grained classification
XLNet
BanglaBook
Bangla-BERT (large)
DynaSent
SVM
SST-3
Sentiment Merged
GPT-4o Fine-Tuned (Minimal)
User and product information
MA-BERT
Amazon Review Full
BERT large
Amazon Review Polarity
BERT large
CR
AnglE-LLaMA-7B
SemEval 2014 Task 4 Subtask 1+2
SLUE
TweetEval
BERTweet
Multi-Domain Sentiment Dataset
UDALM: Unsupervised Domain Adaptation through Language Modeling
DBRD
RobBERT
FiQA
IITP Product Reviews Sentiment
CalBERT
MPQA
IITP Movie Reviews Sentiment
RuSentiment
RuBERT-RuSentiment
SemEval 2017 Task 4-A
DataStories
Twitter
AEN-BERT
Financial PhraseBank
FinBERT
IMDb Movie Reviews
Space-XLNet
SemEval
lstm+bert
1B Words
AJGT
AraBERTv1
ArSAS
ASTD
ChnSentiCorp
ChnSentiCorp Dev
HARD
LABR (2-class, unbalanced)
Latvian Twitter Eater Sentiment Dataset
Naive Bayes
SAIL 2017
Sogou News
fastText, h=10, bigram
Urdu Online Reviews
RCNN