BERT-CNN-BiLSTM框架用于孟加拉语新闻标题分析
热点事件持续更新
BERT-CNN-BiLSTM框架用于孟加拉语新闻标题分析
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Mirza Raquib等作者提交论文预印本，提出BERT-CNN-BiLSTM混合迁移学习框架，在BAN-ABSA数据集9014条孟加拉语新闻标题上同时完成标题分类与情感分析，作者称这是首次在该数据集上进行此类联合实验。 两种采样策略结果不同：拆分前过采样下标题分类准确率为78.57%、情感分析为73.43%；直接在原始不平衡数据上训练则分别为81.37%和64.46%。作者称该模型显著优于所有基线，为低资源孟加拉语文本分类树立新SOTA。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
BERT-CNN-BiLSTM 统一框架实现孟加拉语新闻标题分类与情感分析报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.AIBERT-CNN-BiLSTM 统一框架实现孟加拉语新闻标题分类与情感分析
研究提出 BERT-CNN-BiLSTM 混合迁移学习模型，在 BAN-ABSA 数据集 9014 条孟加拉语新闻标题上同时完成标题分类与情感分析，首次在该数据集上做此联合实验。两种采样策略中，拆分前过采样取得标题分类 78.57%、情感分析 73.43%；直接在原始不平衡数据上训练则达 81.37% 和 64.46%。该模型显著优于所有基线，为低资源孟加拉语文本分类树立新 SOTA。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。