MétaCan
Menu
Retour à la cohorte
Enregistrement W4386753352 · doi:10.21203/rs.3.rs-3343151/v1

Homogenous Ensemble Boosting Approach to Improve the Consistency in the Accuracy of Text Data Classification

2023· preprint· en· W4386753352 sur OpenAlexfundno aff
Muhammad Azam, Fahad Sabah, Abdul Raheem, Nadeem Ahmad, Danish Irfan, Raheem Sarwar

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineComputer Science
ThématiqueSentiment Analysis and Opinion Mining
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNew Brunswick Innovation Foundation
Mots-clésSentiment analysisComputer scienceConsistency (knowledge bases)Artificial intelligenceGlobeThe InternetMachine learningBoosting (machine learning)Unstructured dataData scienceNatural language processingData miningBig dataWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Abstract The rapid growth of the internet in recent years has produced an enormous amount of data. The significant chunk of this data is unstructured. This unstructured data requires critical analysis and modelling to become useful for decision making. Due to the wild spread of internet across the globe, several applications are being developed every day. These applications have direct interaction with end-users, and users can provide their opinions, sentiments, reviews etc. about the products, services, events, etc. These sentiments, reviews and opinions are very useful for individuals, organizations, businesses, and governments for future decision making. Surveys from last few years confer those online opinions have more prominent financial effect compared to traditional media advertisement. The significant task of sentiment analysis is used to locate the useful information from the client sentiment. While this substance is intended to be valuable, most of this client produced content requires using the data mining methods and sentiment analysis. However, a few difficulties are confronting sentiment analysis. Sentiment analysis includes the applications of natural language processing and text analysis methods to recognize and separate the useful information from text data. Machine learning techniques are widely used for sentiment classification. In this paper, we provide a deep understanding of different machine learning systems for sentiment classification. An extensive study of homogenous ensemble-based machine learning techniques in the domain of sentiment classification has been carried out to enhance the efficiency and consistency by implementing various learning algorithms to gain better accuracy that can be attained from any of the individual learning algorithms. Our methodology in this paper is to explore the whole process from data preprocessing to classification accuracy. Various preprocessing steps are applied to selected text data to prepare data for classification. Many classification models (NB, NNET, KNN, RPART, SVM, LDA, CTREE) are explored from a different family of classifiers for classification purpose. Lastly, homogeneous ensemble techniques (Boosting (GBM) and Bagging (RF)) are used and compared with individual classifiers. And results obtained shows that Boosting ensemble model is more consistent and accurate than all other discussed models.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0080,007
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,369
Tête enseignante GPT0,446
Écart entre enseignants0,077 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetSentiment Analysis and Opinion MiningTravaux en français237 207