[論文レビュー] Emotion Detection in Twitter Messages Using Combination of Long Short-Term Memory and Convolutional Deep Neural Networks

Bahareh Golchin, Noushin Riahi|ArXiv.org|Mar 26, 2025

Sentiment Analysis and Opinion Mining被引用数 4

ひとこと要約

論文は、Bidirectional LSTMとCNNを組み合わせた教師あり深層学習フレームワークを提示し、Twitterメッセージを4つの感情クラスに分類する。精度は約93%

ABSTRACT

One of the most significant issues as attended a lot in recent years is that of recognizing the sentiments and emotions in social media texts. The analysis of sentiments and emotions is intended to recognize the conceptual information such as the opinions, feelings, attitudes and emotions of people towards the products, services, organizations, people, topics, events and features in the written text. These indicate the greatness of the problem space. In the real world, businesses and organizations are always looking for tools to gather ideas, emotions, and directions of people about their products, services, or events related to their own. This article uses the Twitter social network, one of the most popular social networks with about 420 million active users, to extract data. Using this social network, users can share their information and opinions about personal issues, policies, products, events, etc. It can be used with appropriate classification of emotional states due to the availability of its data. In this study, supervised learning and deep neural network algorithms are used to classify the emotional states of Twitter users. The use of deep learning methods to increase the learning capacity of the model is an advantage due to the large amount of available data. Tweets collected on various topics are classified into four classes using a combination of two Bidirectional Long Short Term Memory network and a Convolutional network. The results obtained from this study with an average accuracy of 93%, show good results extracted from the proposed framework and improved accuracy compared to previous work.

研究の動機と目的

• ビジネスや組織の洞察のためのソーシャルメディアデータにおける感情・感情分析の自動化の必要性を動機づける。
• 大規模なTwitterデータを活用してトピックやイベントを横断する感情状態を分類する。
• 双方向LSTMとCNNを組み合わせた深層学習フレームワークを提案し、感情分類性能を向上させる。

提案手法

• さまざまなトピックのTwitterデータを収集し、ラベル付き感情状態データを作成する。
• ツイートに対して双方向長短期記憶（BiLSTM）と畳み込みニューラルネットワーク（CNN）の組み合わせを適用する。
• 監視付き学習を用いてハイブリッドモデルを多クラス感情分類に訓練する。
• モデルを評価し、従来手法と性能を比較する。平均精度を報告する。
• 深層学習アプローチは大規模データから学習能力を高めるメリットがあると説明する。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッド BiLSTM-CNN モデルは Twitter メッセージを4つの感情クラスに効果的に分類できるか。
• RQ2 提案フレームワークは Twitter データの感情分類において従来手法を上回るか。
• RQ3 このデータセットでのBiLSTM-CNNアプローチの達成可能な精度はどれくらいか。
• RQ4 深層学習を活用して従来手法より感情検知を改善する方法はどうか。

主な発見

• 提案フレームワークはツイートを4つの感情クラスに平均精度93%で分類する。
• 結果は、著者らが主張するように従来の研究より精度が向上していることを示している。
• 深層学習手法は大規模なTwitterデータセットを活用して感情検知の学習能力を高める。