CLAS-Net: Un estudio sobre el modelo de análisis de sentimiento inteligente y multilingüe que fusiona la alineación...

Área de la Ciencia:

• Procesamiento del lenguaje natural.
• La lingüística computacional es la lingüística computacional.
• Análisis de las redes sociales.

Sus antecedentes:

• La globalización y la digitalización aumentan el desafío de la difusión de información entre idiomas.
• Los sistemas de análisis de opinión pública existentes se enfrentan a cuellos de botella en escenarios multilingües.

Objetivo del estudio:

• Proponer un nuevo marco de análisis de sentimiento entre idiomas, CLAS-Net.
• Para abordar las limitaciones en el análisis actual de la opinión pública multilingüe.

Principales métodos:

• Desarrolló CLAS-Net, integrando XLM-RoBERTa para el aprendizaje de contraste entre idiomas.
• Utilizó BiLSTM-Attention para la extracción precisa de características de sentimiento.

Principales resultados:

• Logró un 92% de precisión en inglés y un 89% en portugués (tareas monolingües).
• Demostró una precisión del 83% en entornos multilingües desafiantes.
• Ambos resultados representan una mejora de 29 puntos porcentuales con respecto a los modelos de referencia.

Conclusiones:

• CLAS-Net muestra una gran capacidad de adaptación y valor práctico para los medios sociales del mundo real y los datos de noticias.
• Proporciona soporte técnico confiable para el monitoreo y análisis de la opinión pública en varios idiomas.
• Destaca la efectividad de combinar el aprendizaje de contraste entre idiomas con LSTMs basadas en la atención.