Studio Comparativo di Modelli di ML per la Classificazione del Sentimento nei Film
Un nuovo articolo su arXiv (2605.22003) confronta modelli di machine learning per la classificazione del sentimento delle recensioni cinematografiche utilizzando il dataset IMDb. Lo studio valuta Naive Bayes, Regressione Logistica, SVM, LightGBM, LSTM e i modelli basati su transformer RoBERTa e DistilBERT. Gli autori notano che i modelli di ML hanno difficoltà con il contesto e il sentimento metafisico a causa della dipendenza da rappresentazioni statistiche delle parole. L'articolo impiega metodologie di NLP per la preelaborazione e la valutazione.
Fatti principali
- L'articolo arXiv 2605.22003 confronta modelli di ML per la classificazione del sentimento
- Utilizza il dataset IMDb per l'analisi del sentimento delle recensioni cinematografiche
- Modelli valutati: Naive Bayes, Regressione Logistica, SVM, LightGBM, LSTM, RoBERTa, DistilBERT
- I modelli di ML hanno difficoltà con il contesto e il sentimento metafisico
- Metodologie NLP utilizzate per preelaborazione e valutazione
- Obiettivo: classificare le recensioni cinematografiche come positive o negative
- L'analisi del sentimento è anche chiamata opinion mining
- L'articolo è un annuncio di tipo cross su arXiv
Entità
Istituzioni
- arXiv