Machine Learning-based NLP for Emotion Classification on a Cholera X Dataset

要約

ハマンスクラールでのコレラ発生に関する最近のソーシャルメディア投稿は、このような出来事に対して人々が経験したさまざまな感情を浮き彫りにしている。
人々の意見の範囲は、病気に関する知識や情報のレベルによって大きく異なります。
コレラに関する文書化された再調査には、感情の分類に関する調査が欠けています。
この研究は、チョル時代に関するソーシャルメディア投稿で表現された感情を調査することを目的としています。
23,000 件の投稿のデータセットが抽出され、前処理されました。
Python Natural Language Toolkit (NLTK) センチメント アナライザー ライブラリは、各テキストの感情的な重要性を判断するために適用されました。
さらに、長期短期記憶 (LSTM)、ロジスティック回帰、デシジョン ツリー、トランスフォーマーからの双方向エンコーダー表現 (BERT) モデルなどの機械学習 (ML) モデルが感情分類に適用されました。
この研究の結果、LSTM が 75% という最高の精度を達成したことが実証されました。
感情分類は、コレラが社会に与える影響をより深く理解するための有望なツールとなります。
この研究の結果は、公衆衛生戦略における効果的な介入の開発に貢献する可能性があります。

要約(オリジナル)

Recent social media posts on the cholera outbreak in Hammanskraal have highlighted the diverse range of emotions people experienced in response to such an event. The extent of people’s opinions varies greatly depending on their level of knowledge and information about the disease. The documented re-search about Cholera lacks investigations into the classification of emotions. This study aims to examine the emotions expressed in social media posts about Chol-era. A dataset of 23,000 posts was extracted and pre-processed. The Python Nat-ural Language Toolkit (NLTK) sentiment analyzer library was applied to deter-mine the emotional significance of each text. Additionally, Machine Learning (ML) models were applied for emotion classification, including Long short-term memory (LSTM), Logistic regression, Decision trees, and the Bidirectional En-coder Representations from Transformers (BERT) model. The results of this study demonstrated that LSTM achieved the highest accuracy of 75%. Emotion classification presents a promising tool for gaining a deeper understanding of the impact of Cholera on society. The findings of this study might contribute to the development of effective interventions in public health strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google