감성 분석
감성 분석은 자연어 처리 분야의 작업으로, 주어진 텍스트의 감정적인 어조를 긍정, 부정, 중립으로 분류하는 것을 목표로 합니다. 이 작업은 기계 학습, 사전 기반 방법, 그리고 하이브리드 접근 방식을 통해 수행될 수 있습니다. 최근에는 RoBERTa와 T5 같은 딥 러닝 기술이 고성능 감성 분류기 훈련에 널리 사용되고 있으며, 평가 지표는 F1 점수, 재현율, 정밀도 등을 포함합니다. 감성 분석은 소셜 미디어 모니터링뿐만 아니라 제품 리뷰 분석, 시장 동향 예측 등 다양한 영역에서 활용되며, 중요한 응용 가치를 보여주고 있습니다.
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