RNN-based Movie Review Sentiment Analysis

Visão geral do projeto

Um estudo de resenhas de filmes que compara modelos recorrentes para classificar sentimentos e prever notas, com dados de avaliação separados.

Um estudo bilíngue de revisão de filmes comparando redes recorrentes para classificação de sentimentos e regressão de classificação. O fluxo de trabalho enfatiza o pré-processamento consistente em inglês e malaio, divisões com reconhecimento de vazamentos e avaliação apropriada à tarefa.

Por dentro deste projeto

• Criou divisões de treinamento, validação e teste 80/10/10 antes de ajustar o fluxo de trabalho de modelagem.
• Revisões limpas em inglês e malaio por meio de letras minúsculas, tratamento de pontuação, remoção de palavras irrelevantes, lematização, tokenização e preenchimento.
• Aplicado aumento inicial apenas aos dados de treinamento, expandindo exemplos de classificação de 222 para 888 e exemplos de regressão de 501 para 2,004.
• Modelos SimpleRNN, LSTM e GRU comparados para sentimento binário e previsão de classificação numérica.
• Classificação avaliada com exatidão, precisão, recall e F1, e regressão com erro e métricas de ajuste em faixas de classificação sem reivindicar um vencedor de arquitetura.
• Adicionados testes 22 com cobertura 55% e limpeza documentada de pontuação faltante, duplicata, revisão curta e texto repetido.

Código-fonte e links