テキスト感情分析のためのXLNet-LSTM-CNN

要旨 ソーシャルメディアやオンラインコメントプラットフォームの急速な普及に伴い、テキスト感情分析の重要性は飛躍的に増大しています。テキスト感情分析には深層学習が広く用いられており、CNN（畳み込みニューラルネットワーク）とLSTM（長短期記憶ネットワーク）が顕著な能力を示しています。CNNはテキストの局所的特徴を巧みに抽出し、LSTMはより長いテキストの情報を保持します。これらはしばしば、word2vecのような静的単語ベクトル技術と組み合わせてテキスト感情分類タスクに活用されます。我々は、CNNとLSTMの強みをXLNetモデルと統合した新しいテキスト感情分類モデル、XLNet-LSTM-CNNを提案します。このハイブリッドモデルは、word2vecのような静的単語ベクトル技術が持つテキストの深い情報取得や単語の多義性認識の限界を克服します。さらに、データ増強手法によりモデルの頑健性を強化しました。我々は、IMDB、MR、SSTの3つの異なる英語映画レビュー・データセットを用いて、提案モデルXLNet-LSTM-CNNの性能を評価し、SVM、CNN、RNN、LSTM、BiLSTM、CNN-LSTM、およびCNN-attention-LSTMなど7つの他の普及したニューラルネットワークモデルと比較しました。実験結果は、XLNet-LSTM-CNNモデルが他の競合モデルと比較して精度が優れているだけでなく、損失率を低減し、モデルの汎化能力を向上させることを明らかにしました。要するに、提案モデルはテキスト感情分類に対して強力な解決策を提供し、ソーシャルメディアやオンラインコメントプラットフォームにおけるテキスト感情分析への広範な応用可能性を有しています。