48、巴西零售企业信用评估与葡萄牙语情感分类研究

巴西零售企业信用评估与葡萄牙语情感分类研究

巴西零售企业信用评估

在巴西零售企业的信用评估中，对信用评分系统原型的数据提取方面进行了研究。最初使用的人口统计数据并不足以准确预测违约情况。为了提高预测的准确性，研究人员在专业文献中探索了额外的行为/财务数据，以获取更多特征来改进信用评分。研究使用了一家巴西零售企业提供的真实数据，并采用逻辑回归（LR）分类器进行分析。

测试结果表明，该零售企业提供的高质量数据（包括人口统计和行为数据）使得所使用的分类器具有较高的准确性。这一结果证实了额外数据的加入提升了分类器的性能。

未来的研究方向包括使用不同的分类器并分析其性能，以及获取更多的行为/财务属性。

巴西葡萄牙语情感分类

研究背景与目标

情感分析（SA）旨在运用自然语言处理（NLP）技术，从文本中推断情感状态和主观信息。通常，需要使用预先训练的机器学习模型来识别关于特定目标（如电影、书籍等）的观点极性。然而，为非英语文本的NLP模型寻找合适的标注数据集是一项巨大的挑战。

本研究旨在通过验证ConvNet（一种处理字符级输入的卷积神经网络）在分析巴西葡萄牙语（PtBR）产品评论极性方面的有效性，为PtBR文本的情感分析做出贡献。

相关工作

大部分情感分析任务要求训练特征携带特定知识或经过预处理。但也有研究表明，具有特定架构的ConvNet可以在无需额外知识的情况下，从字符层面学习单词的表示。

跨语言情感分类试图将情感资源从“丰富”的源语言转移到“匮乏”的目标语言。已有多种方法用于实现这一转移，如使用自动翻译系统（STAs）、基于跨语言结构匹