[论文解读] 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 5

一句话总结

本文提出了一种基于迁移学习的方法，结合TF-IDF与线性SVM，用于分析印度人民院2019年大选期间推文中的情感倾向与讽刺检测。通过将预训练模型适配至低资源、多语言的印度社交媒体环境，该方法在讽刺检测这一长期被忽视的挑战上实现了性能提升，展示了模型在真实世界大选数据集上的有效性。

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.

研究动机与目标

• 利用Twitter数据分析2019年印度人民院大选期间的公众情感倾向。
• 解决印度政治社交媒体内容中讽刺检测这一研究不足的挑战。
• 在低资源、多语言语境下，开发一种稳健的基于迁移学习的情感与讽刺分类模型。
• 评估TF-IDF与线性SVM在处理嘈杂、短文本社交媒体文本中的有效性。
• 为未来印度政治情感分析研究提供公开可用的数据集与模型。

提出的方法

• 采用迁移学习技术，将预训练模型适配至印度Twitter数据的情感与讽刺检测任务。
• 应用词频-逆文档频率（TF-IDF）对推文的文本特征进行向量化表示。
• 采用线性支持向量分类器（LinearSVC）进行情感与讽刺的二分类与多分类任务。
• 设计两阶段流程：首先进行情感分类，然后在情感分类为负的推文中进行讽刺检测。
• 使用标准自然语言处理技术对推文进行预处理，包括分词、停用词移除与词形还原。
• 在2019年人民院大选期间收集的印度大选推文精选数据集上训练并评估模型。

实验结果

研究问题

• RQ1 结合TF-IDF与LinearSVC的迁移学习在分类印度大选相关推文情感方面效果如何？
• RQ2 在印度政治推文语境中，能否通过监督式机器学习有效检测讽刺？
• RQ3 在政治语境下，加入讽刺检测如何提升情感分析的整体准确率与可解释性？
• RQ4 所提模型在低资源、多语言社交媒体文本上的性能特征是什么？
• RQ5 该模型在印度不同政党及区域语言表达上的泛化能力如何？

主要发现

• 所提模型在测试集上的情感分类宏F1得分为0.82，讽刺检测的宏F1得分为0.76。
• 讽刺检测显著提升了模型避免将讽刺性负面情感误分类为真实负面情感的能力。
• TF-IDF表示与LinearSVC的结合在给定数据集上，相较于基线模型在F1得分与推理速度方面表现更优。
• 与从零开始训练相比，迁移学习方法在低资源印度推文数据上实现了更好的泛化能力。
• 该模型在印度多样的语言表达与区域政治话语中表现出稳健性。
• 本研究强调了在政治情感分析中讽刺检测的重要性，因其可防止对公众舆论的误读。