Deep-Sentiment: Sentimentanalyse mithilfe eines Ensembles von CNN- und Bi-LSTM-Modellen

Mit der Popularität von sozialen Netzwerken und E-Commerce-Websites ist die Sentimentanalyse in den letzten Jahren zu einem aktiveren Forschungsbereich geworden. Auf hoher Ebene versucht die Sentimentanalyse, die öffentliche Meinung zu einem bestimmten Produkt oder Thema sowie Trends aus Bewertungen oder Tweets zu verstehen. Die Sentimentanalyse spielt eine wichtige Rolle beim besseren Verständnis der Kunden-/Nutzermeinung und beim Extrahieren sozialer/politischer Trends. Es gab viele frühere Arbeiten zur Sentimentanalyse, einige basieren auf handgefertigten relevanten Textmerkmalen und andere auf verschiedenen Architekturen neuronaler Netzwerke. In dieser Arbeit präsentieren wir ein Modell, das auf einem Ensemble von long-short-term-memory (LSTM) und konvolutionalen neuronalen Netzwerken (CNN) basiert, eines um die zeitlichen Informationen der Daten zu erfassen, und das andere, um die lokale Struktur zu extrahieren. Durch experimentelle Ergebnisse zeigen wir, dass wir mit diesem Ensemble-Modell die Leistung beider Einzelmodelle übertreffen können. Wir sind auch in der Lage, im Vergleich zu den vorherigen Arbeiten eine sehr hohe Genauigkeitsrate zu erreichen.