Analisi del Sentimento Multiclasse delle Opinioni Politiche Utilizzando XGBoost e BERT

Un recente articolo pubblicato su arXiv (2608.11049) indaga l'analisi del sentimento multiclasse riguardante le opinioni politiche espresse sui social media. Questo studio, classificato come una sottomissione di tipo incrociato, affronta la difficoltà di distinguere automaticamente varie classi di sentimento relative a figure e questioni politiche. I ricercatori hanno sviluppato e valutato due tecniche di apprendimento automatico utilizzando XGBoost e BERT, addestrandole e valutandole su un dataset etichettato di post politici dai social media utilizzando metriche di classificazione convenzionali. I risultati hanno rivelato che il modello XGBoost ha raggiunto un F1-score di 0.2835, mentre i risultati del modello BERT non sono stati completamente dettagliati nell'abstract. Questa ricerca sottolinea la crescente importanza dell'analisi del sentimento nella comprensione delle discussioni politiche, sfruttando l'ampio contenuto politico prodotto sui social media.