ローマウルド感情分析のための識別的特徴スパミング技術

用語の重み付けは、情報検索やテキスト分類タスクのパフォーマンスを向上させることを目的に、用語に重みを割り当てる最も一般的に使用されるアプローチの一つです。本論文では、識別的特徴スパミング技術（DFST）と呼ばれる新しい用語重み付け技術を提案します。これは、用語の有用性基準（TUC）に基づいて特徴的な用語を特定し、それらにスパムを送信して識別力を高めるものです。実験結果は、DFSTが情報検索分野の従来の用語重み付けスキームのセットを上回ることを示しています。すべての実験は、11000件のレビューからなるこれまでにない最大のローマウルド（RU）データセットで実施され、収集および注釈が行われました。さらに、分類精度を向上させるためのカスタムトークナイザーが構築されました。クロススキーム比較が行われ、新たに提案されたDFSTを使用した結果が、統計的に有意であり、以前のアプローチよりも優れていることが示されました。