作品笔记 · Goh Kun Ming
RNN-based Movie Review Sentiment Analysis
AI · 公开项目
2025年4月 – 2025年5月
项目概述
比较循环模型在影评情感分类和评分预测中的表现，使用独立的评估数据。
一项双语影评研究，比较用于情感分类和评分回归的循环网络。工作流重视一致的英语与马来语预处理、防止泄漏的数据划分，以及适合各任务的评估。
作品详情
- 在拟合建模流程前，按 80/10/10 比例划分训练集、验证集和测试集。
- 对英语和马来语评论进行小写化、标点处理、停用词移除、词形还原、分词和填充。
- 仅对训练数据应用固定随机种子的增强，将分类样本从 222 增至 888，回归样本从 501 增至 2,004。
- 比较 SimpleRNN、LSTM 和 GRU 在二元情感分类及数值评分预测上的表现。
- 使用准确率、精确率、召回率和 F1 评估分类，并按评分区间用误差和拟合指标评估回归，不宣称某架构最优。
- 添加 22 项测试，覆盖率为 55%，并记录缺失评分、重复记录、短评论和重复文本的清理。