படைப்புக் குறிப்புகள் · Goh Kun Ming
RNN-based Movie Review Sentiment Analysis
AI · பொதுவில் பகிரப்பட்ட திட்டம்
ஏப். 2025 – மே 2025
திட்டக் கண்ணோட்டம்
தனித்த மதிப்பீட்டுத் தரவுடன் உணர்வு வகைப்படுத்தல் மற்றும் மதிப்பெண் கணிப்புக்கான மீள்நிகழ்வு மாதிரிகளை ஒப்பிடும் திரைப்பட விமர்சன ஆய்வு.
உணர்வு வகைப்பாடு மற்றும் மதிப்பீடு பின்னடைவுக்கான தொடர் நெட்வொர்க்குகளை ஒப்பிடும் இருமொழி திரைப்பட-மதிப்பாய்வு ஆய்வு. பணிப்பாய்வு நிலையான ஆங்கிலம் மற்றும் மலாய் முன் செயலாக்கம், கசிவு-விழிப்புணர்வு பிளவுகள் மற்றும் பணி-பொருத்தமான மதிப்பீடு ஆகியவற்றை வலியுறுத்துகிறது.
இந்தப் படைப்பிற்குள்
- மாடலிங் பணிப்பாய்வுகளைப் பொருத்துவதற்கு முன் 80/10/10 பயிற்சி, சரிபார்ப்பு மற்றும் சோதனைப் பிளவுகள் உருவாக்கப்பட்டது.
- சிற்றெழுத்து, நிறுத்தற்குறிகளைக் கையாளுதல், நிறுத்து-சொல் நீக்கம், லெமடைசேஷன், டோக்கனைசேஷன் மற்றும் பேடிங் மூலம் ஆங்கிலம் மற்றும் மலாய் மதிப்புரைகளை சுத்தம் செய்தேன்.
- பயிற்சி தரவுகளுக்கு மட்டுமே பயன்படுத்தப்படும் விதை பெருக்குதல், 222 இலிருந்து 888 வரை வகைப்படுத்தல் எடுத்துக்காட்டுகளை விரிவுபடுத்துதல் மற்றும் 501 இலிருந்து 2,004. வரை பின்னடைவு எடுத்துக்காட்டுகள்
- பைனரி உணர்வு மற்றும் எண் மதிப்பீடு கணிப்புக்கான SimpleRNN, LSTM மற்றும் GRU மாதிரிகள் ஒப்பிடப்பட்டது.
- துல்லியம், துல்லியம், ரீகால் மற்றும் F1 ஆகியவற்றுடன் மதிப்பிடப்பட்ட வகைப்பாடு, மற்றும் ஆர்கிடெக்சர் வெற்றியாளரைக் கோராமல் மதிப்பீட்டுப் பட்டைகள் முழுவதும் பிழை மற்றும் பொருத்தமான அளவீடுகளுடன் பின்னடைவு.
- 55% கவரேஜுடன் 22 சோதனைகள் சேர்க்கப்பட்டன மற்றும் காணாமல் போன மதிப்பெண், நகல், குறுகிய மதிப்பாய்வு மற்றும் மீண்டும் மீண்டும் உரை சுத்தம் செய்ய ஆவணப்படுத்தப்பட்டது.