Key points are not available for this paper at this time.
情感分析是人工智能中的一个主要元素。它的应用包括机器翻译、文本分析、计算语言学等。在大多数情况下，情感分类通常分为两类或三类。但在某些情况下，例如对亚马逊产品的评分，有多个类别。这类任务中的一个主要挑战是类别不平衡，这会通过使模型产生偏见而降低准确性。为了解决这个问题，我们使用过采样在训练模型之前减少数据集的类别不平衡。在本研究中，我们首先使用递归神经网络的变种，例如简单RNN、GRU、LSTM和双向LSTM，来找出哪种模型在多类情感分类中表现最佳。然后，我们使用该模型来理解在训练模型之前对数据集进行过采样的效果.
Mukherjee等（周二）研究了这个问题。