基于多语言模型词汇增强的低资源情感分析

• 全文链接
• 请求原文

作   者：

刘结;  陈梅;  刘江越; 

作者机构：

乌鲁木齐职业大学; 

关键词：

情感分析;  词汇增强;  低资源语言;  多语言模型; 

期刊名称：

智能计算机与应用

i s s n：

2095-2163

年卷期：

2024 年 14 卷 012 期

页   码：

82-89

摘   要：

针对多语言情感分析任务中低资源语言模型词汇量稀少的问题，本文提出一种多语言模型词汇增强的框架。该框架基于齐普夫定律对低频但信息量丰富的词汇进行选择，以扩充低资源语言中的少见词。并结合加权熵对模型词汇表进行优化，以扩充与特定情感任务相关的特异词。然后利用多语言模型预训练和微调进行情感分类。实验结果表明，在印地语和印地语-英语混合语言任务上，提出的框架显著提升了低资源情感分析的性能。本方法不仅改善了低资源语言情感分析的性能，还提高了多语言情感分析的整体适应性。