Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

LSTM-CNN Deep Learning Mo… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

LSTM-CNN Deep Learning Model for Sentiment Analysis of Dialectal Arabic

Paper i proceeding
Författare Chatrine (kathrein) Qwaider (abu kwaik)
Motaz Saad
Stergios Chatzikyriakidis
Simon Dobnik
Publicerad i Arabic Language Processing : From Theory to Practice, 7th International Conference, ICALP 2019, Nancy, France, October 16–17, 2019, Proceedings / Editor : Kamel Smaïli
ISBN 978-3-030-32958-7
ISSN 1865-0929
Förlag Springer
Förlagsort Cham
Publiceringsår 2019
Publicerad vid Institutionen för filosofi, lingvistik och vetenskapsteori
Språk en
Länkar https://doi.org/10.1007/978-3-030-3...
Ämnesord Sentiment Analysis · Arabic Dialects · Deep Learning · LSTM · CNN
Ämneskategorier Arabiska, Datorlingvistik, Lingvistik

Sammanfattning

In this paper, we investigate the use of Deep Learning (DL) methods for Dialectal Arabic Sentiment Analysis. We propose a DL model that combines long-short term memory (LSTM) with convolutional neural networks (CNN). The proposed model performs better than the two baselines. More specifically, the model achieves an accuracy between 81% and 93% for binary classification and 66% to 76% accuracy for three-way classification. The model is currently the state of the art in applying DL methods to Sentiment Analysis in dialectal Arabic.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?