41、从无标签数据集诱导马来语情感词典

从无标签数据集诱导马来语情感词典

在自然语言处理领域，情感分析（SA）是一项重要的任务，然而马来语的情感分析由于资源匮乏而面临挑战。本文将介绍一种能从无标签数据集中诱导出马来语情感词典的框架，该框架不仅能解决现有方法的不足，还能在不同领域和写作风格的数据集上展现出良好的性能。

1. 相关工作

1.1 基于词典的分类方法

早期对马来语的研究常使用基于词典的分类器进行情感分析。开发情感词典的常用方法有两种：手动整理和将知名英文词典翻译成马来语。例如，RojakLex 是一个手动整理的多语言（英语 - 马来语）词典，但未公开。Asyraf 等人将 AFINN - 111 词典翻译成马来语并添加所有可能的词缀，不过这些方法形成的词典不易维护且缺乏鲁棒性。近期马来语基于词典的情感分析研究进展不大，多是翻译英文词典并在小规模自整理数据集上进行分析。

English word	Translated word	Potential affix variation
intimidate	intimidasi	intimidasikan, mengintimidasi, mengintimidasikan, diintimidasi, diintimidasikan, berintimidasi, berintimidasikan, terintimidasi, terintimidasikan