Avaliação morfológica e análise de sentimento de texto Punjabi usando classificação por aprendizado profundo

O processamento morfológico de idiomas indianos é um dos campos que mais crescem na era do Processamento de Linguagem Natural (PLN) desde a última década. A avaliação de idiomas asiáticos é um campo altamente relevante na era da mineração de texto e recuperação de informação. A avaliação morfológica de um texto pode ser empregada para extração e classificação de conhecimento. Este artigo combina a avaliação morfológica e a previsão de sentimento de textos em língua Punjabi. Os dados textuais da língua Punjabi dizem respeito a casos de suicídio de agricultores reportados para o estado de Punjab na Índia. A fase de pré-processamento deste estudo envolve a avaliação morfológica e a normalização de palavras Punjabi para suas respectivas formas canônicas. A próxima fase realiza o treinamento e teste de um modelo de rede neural profunda em tokens refinados de Punjabi obtidos da fase anterior. O modelo proposto classifica os tokens Punjabi em quatro classes orientadas negativamente, adaptadas para casos de suicídio de agricultores. As precisões médias da previsão de sentimento obtidas após validação cruzada de 10 vezes são 93,85%, 88,53%, 83,3% e 95,45% para as quatro respectivas classes. A estrutura proposta produz resultados satisfatórios em 275 documentos de texto Punjabi com uma precisão geral de 90,29% para classificação de sentimento.