Fuzzy rough set methods for emotion detection and sentiment analysis

In dit proefschrift gebruiken we fuzzy rough set-methoden voor taken op het gebied van natuurlijke taalverwerking zoals emotiedetectie en sentimentanalyse. In het bijzonder werken we met ordinale multiclassificatie voor het categoriseren van emotie-intensiteit; binaire classificatie voor het detecteren van aanstootgevende taal, het aanzetten tot haat, ironie en sarcasme; en aspectgebaseerde sentimentanalyse (ABSA) voor gebruikersrecensies. Als predictiemodellen gebruiken we de volgende instantiegebaseerde methoden: gewogen kNN, fuzzy-rough nearest neighbour (FRNN) classificatie en regressie, en fuzzy rough one-versus-one combination (FROVOCO). We gebruiken verschillende woordinbeddingstechnieken voor elk model om tekst om te zetten in vectorvorm, en we verbeteren de prestaties van onze modellen door middel van parameter tuning, betrouwbaarheidsscores en ensembles. Voor alle emotiedetectietaken laten we zien dat eenvoudige, op naaste buren gebaseerde benaderingen vergelijkbare resultaten opleveren als geavanceerde deep learning-methoden. Voor de ABSA-taak stellen we drie pijplijnen voor met FRNN-gebaseerde methoden die een hoge nauwkeurigheid opleveren voor alle drie de stappen: aspect-, sentiment- en emotieclassificatie. Een ander belangrijk kenmerk van onze aanpak is haar uitlegbaarheid. We kunnen onze aanpak typeren als een lokale, zelfverklarende en voorbeeldgestuurde methode. We laten door foutanalyse zien dat onze methoden bruikbare patronen uit de gegevens kunnen halen die kunnen worden gebruikt om toekomstige modellen bij te werken.

Grantor dc:publisher

Ghent University. Faculty of Sciences

Year dc:date

2023

Author dc:creator

• Kaminska, Olha

Contributors dc:contributor

• Cornelis, Chris
• Hoste, Veronique

• Mathematics and Statistics

Statement dc:rights

• info:eu-repo/semantics/openAccess

Language dc:language

eng

Identifier

https://biblio.ugent.be/publication/01HASCSQM7A87EAV5520AT55SE
https://biblio.ugent.be/publication/01HASCSQM7A87EAV5520AT55SE/file/01HASD0N8H73CKQHH9QEGEXX72

OAI identifier oai:identifier

oai:archive.ugent.be:01HASCSQM7A87EAV5520AT55SE