IBNN：一个集成的BERT神经网络框架，用于基于情感和情绪的文本分析

摘要

社交网络对文本挖掘应用的需求正在以前所未有的速度增长。文本分析，尤其是在在线平台上，变得越来越普遍。随着社交媒体的迅速发展，包括用户评论在内的海量文本数据现已变得易于获取。分析这些评论对各种商业应用具有很高的价值。情感分析（SA）是一种自然语言处理（NLP）技术，用于检测文本中表达的情绪和情感。本文提出了IBNN（集成BERT与神经网络）模型的开发，该模型结合了多种特征提取技术，如CountVectorizer、TF-IDF Vectorizer、Word2Vec以及来自Transformers的双向编码器表示（BERT），通过情感分析来预测个体的情绪状态。本研究的主要目标有两个方面：首先，使用机器学习、集成方法和神经网络算法（如决策树、随机森林、XGBoost和神经网络）以及所提出的IBNN，在四个情感数据集上比较这五种特征提取技术的有效性；其次，证明了所提出的IBNN模型（将BERT与神经网络相结合）在四个数据集中能够取得最佳效果。