Sentiment Analysis for Low Resource Languages: A Study on Informal Indonesian Tweets
Sentiment Analysis for Low Resource Languages: A Study on Informal Indonesian Tweets
复制标题
低资源语言的情感分析：非正式印度尼西亚推文的研究
DOI：
--
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
Tomoko Ohkuma
中科院分区：
文献类型：
--
作者：
Tuan Anh Le;David Moeljadi;Yasuhide Miura;Tomoko Ohkuma
本文介绍了我们试图建立一个情感分析系统，印尼推文。有了这个系统，我们可以通过计算来研究和识别文本或文档中的情感和观点。我们使用了2016年2月和3月收集的4000条手动标记的推文来构建模型。由于推文内容的多样性，我们将推文分为八组，包括阳性（positive）、阴性（negative）和中性（neu）。最后，我们在没有归一化器的情况下使用长短期记忆（LSTM）获得了73.2%的准确率。
This paper describes our attempt to build a sentiment analysis system for Indonesian tweets. With this system, we can study and identify sentiments and opinions in a text or document computationally. We used four thousand manually labeled tweets collected in February and March 2016 to build the model. Because of the variety of content in tweets, we analyze tweets into eight groups in total, including pos(itive), neg(ative), and neu(tral). Finally, we obtained 73.2% accuracy with Long Short Term Memory (LSTM) without normalizer.