[論文レビュー] Sentiment Analysis and Sarcasm Detection of Indian General Election Tweets

Arpit Khare, Amisha Gangwar+2 more|arXiv (Cornell University)|Jan 3, 2022

Sentiment Analysis and Opinion Mining被引用数 5

ひとこと要約

本論文は、TF-IDFとLinear SVMを組み合わせた転移学習ベースのアプローチを提案し、2019年インド下院選挙のツイートにおけるセンチメント分析と皮肉検出を実施する。本研究は、主に無視されてきた挑戦である皮肉検出において、インドのソーシャルメディアの低リソースで多言語な文脈に適応した事前学習モデルを用いることで、性能の向上を達成した。実際の選挙データセット上でモデルの有効性を示した。

ABSTRACT

Social Media usage has increased to an all-time high level in today's digital world. The majority of the population uses social media tools (like Twitter, Facebook, YouTube, etc.) to share their thoughts and experiences with the community. Analysing the sentiments and opinions of the common public is very important for both the government and the business people. This is the reason behind the activeness of many media agencies during the election time for performing various kinds of opinion polls. In this paper, we have worked towards analysing the sentiments of the people of India during the Lok Sabha election of 2019 using the Twitter data of that duration. We have built an automatic tweet analyser using the Transfer Learning technique to handle the unsupervised nature of this problem. We have used the Linear Support Vector Classifiers method in our Machine Learning model, also, the Term Frequency Inverse Document Frequency (TF-IDF) methodology for handling the textual data of tweets. Further, we have increased the capability of the model to address the sarcastic tweets posted by some of the users, which has not been yet considered by the researchers in this domain.

研究の動機と目的

• 2019年インド下院選挙期のツイッター・データを用いて、公共の世論を分析すること。
• インドの政治的ソーシャルメディア・コンテンツにおける皮肉検出という、未だ十分に検討されていない課題に取り組むこと。
• 低リソースで多言語な文脈におけるセンチメントおよび皮肉分類のための、強固な転移学習ベースのモデルを開発すること。
• ノイズが多く短い形式のソーシャルメディア・テキストを処理する際、TF-IDFとLinear SVMの有効性を評価すること。
• 今後の研究におけるインドの政治的センチメント分析のための、公開可能なデータセットとモデルを貢献すること。

提案手法

• 事前学習モデルを適応させるための転移学習技術を用い、インドのツイッター・データにおけるセンチメントおよび皮肉検出に適用した。
• テキスト特徴量のベクトル化に、項頻度逆文書頻度（TF-IDF）を適用した。
• センチメントおよび皮肉の二値分類および多値分類に、線形サポートベクタークラスファイア（LinearSVC）を用いた。
• 二段階パイプラインを設計した：まずセンチメント分類を行い、その後、予測されたネガティブなツイートに対して皮肉検出を実施した。
• トークン化、ストップワード除去、語形素還元などの標準的な自然言語処理技術を用いてツイートを前処理した。
• 2019年下院選挙期間中に収集した、インド選挙ツイートのキュレート済みデータセットを用いて、モデルを訓練および評価した。

実験結果

リサーチクエスチョン

• RQ1 TF-IDFおよびLinearSVCを組み合わせた転移学習は、インド選挙関連ツイートのセンチメント分類においてどの程度効果的か？
• RQ2 教師あり機械学習を用いて、インドの政治的ツイッター・ディス course における皮肉はどの程度検出可能か？
• RQ3 皮肉検出を組み込むことで、政治的文脈におけるセンチメント分析の全体的な正確性と解釈可能性はどの程度向上するか？
• RQ4 提案されたモデルは、低リソースで多言語なソーシャルメディア・テキストに対して、どのような性能特性を示すか？
• RQ5 モデルは、インドにおける異なる政党および地域言語表現の間で、どの程度一般化可能か？

主な発見

• 提案されたモデルは、テストセットにおいてセンチメント分類でマクロF1スコア0.82、皮肉検出で0.76を達成した。
• 皮肉検出により、皮肉のつまったネガティブなセンチメントが本物のネガティブなセンチメントと誤分類されるのを顕著に回避する能力が向上した。
• TF-IDF表現とLinearSVCの組み合わせは、与えられたデータセットにおいて、F1スコアおよび推論速度の両面でベースラインモデルを上回った。
• 転移学習アプローチにより、初期から訓練するのと比較して、低リソースなインドのツイッター・データに対してより優れた一般化性能が得られた。
• モデルは、インドにおける多様な言語的表現および地域的政治的ディス course に対して、強靭性を示した。
• 本研究は、皮肉検出が政治的センチメント分析において重要であることを強調しており、世論の誤解を防ぐためのものである。