Profiling Irony & Stereotype: Exploring Sentiment, Topic, and Lexical Features

要約

ソーシャルメディアは非常に人気のある情報源となっています。
この人気に伴い、生成された情報を分類できるシステムへの関心が高まっています。
この研究では、Twitter ユーザーの皮肉を検出するそのようなシステムの作成を試みます。
最近の研究では、TF-IDF およびトピック モデルとともに、語彙特徴、感情特徴、およびコントラストの重要性が強調されています。
徹底的な特徴選択プロセスに基づいて、結果として得られるモデルには、これらの領域の特定のサブ特徴が含まれています。
私たちのモデルは F1 スコア 0.84 に達し、ベースラインを上回っています。
語彙機能、特に TF-IDF がモデルに最も貢献しているのに対し、センチメントおよびトピック モデリング機能は全体的なパフォーマンスにあまり貢献していないことがわかりました。
最後に、さらなる探索のための複数の興味深く重要な道筋を強調します。

要約(オリジナル)

Social media has become a very popular source of information. With this popularity comes an interest in systems that can classify the information produced. This study tries to create such a system detecting irony in Twitter users. Recent work emphasize the importance of lexical features, sentiment features and the contrast herein along with TF-IDF and topic models. Based on a thorough feature selection process, the resulting model contains specific sub-features from these areas. Our model reaches an F1-score of 0.84, which is above the baseline. We find that lexical features, especially TF-IDF, contribute the most to our models while sentiment and topic modeling features contribute less to overall performance. Lastly, we highlight multiple interesting and important paths for further exploration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google