41、基于特征提取的机器学习方法在焦虑检测情感分析中的应用

基于特征提取的机器学习方法在焦虑检测情感分析中的应用

1. 引言

焦虑是一种与神经系统相关的精神障碍，具有持续焦虑、自主神经活动兴奋和过度警觉等特征。COVID - 19 大流行给印尼人民和政府带来了焦虑和压力，政府实施了一系列抗疫计划，但这些计划在社交媒体上引发了大量正反评论，反映出公众焦虑情绪的增长。

利用计算机技术可以快速分析大量社交媒体数据，本研究采用人工智能和情感分析算法，基于对印尼语 YouTube 视频中关于 COVID - 19 和政府计划的评论进行文本处理，来检测焦虑情绪。研究使用了多种机器学习方法和特征提取方法，旨在找到最佳的焦虑检测组合。

2. 相关研究

情感检测可以通过数据科学方法、文本挖掘算法和情感分析方法对社交媒体文本数据进行处理。以下是一些相关研究：
- 仇恨言论检测 ：使用 2 或 3 个标签以及基于案例推理（CBR）和朴素贝叶斯（NB）分类方法检测文本中的仇恨言论和偏见，准确率超过 77%。
- 阿拉伯语情感分析 ：使用随机森林（RF）分析阿拉伯语情感，准确率为 72%；而 C4.5、RIPPER 和 PART 方法将情感分类准确率提高到 96%。
- Facebook 评论情感分析 ：使用支持向量机（SVM）、循环神经网络（RNN）和长短期记忆网络（LSTM）等机器学习方法，在意大利语和英语的 Facebook 评论中识别情感和仇恨言论。基于词典和情感语料库的方法在英语评论情感分析中准确率为 73%。
- 其他技术 ：使用 para