《INDOPACOM 战区内开源社交媒体在互联网领域的叙事分析》81论文

情感分类可以成为从社交媒体数据中提取叙述内容的有力工具。传统的机器学习模型可对印尼 Twitter 数据进行情感分类，但这些模型依赖于闭源特征。递归神经网络使用完全开源的数据和模型，可以达到或超过最先进的传统机器学习技术的性能。具体来说，这些结果表明，与逻辑回归和 SVM 技术相比，递归神经网络变体的准确率提高了 8%，而在使用 FastText 嵌入时，比随机森林提高了 15%。这项研究发现，单层双向长短期记忆模型的性能与双层堆叠双向长短期记忆模型相比具有统计学意义。这项研究还发现，在对印尼推文进行情感分类时，单层双向长短期记忆循环神经网络的性能达到了 Saputri 等人（2018 年）研究中带有补充闭源特征的最先进 Logistic 回归模型的性能。该模型可提供给 INDOPACOM 战区内的作战单元，使他们能够根据预测的情绪类别识别社交媒体帖子--从而判断公众对战区内军事演习的反应。