XiaoMi-AI文件搜索系统
World File Search SystemTextBlob
基于词典的方法的比较，机器学习...
情感分析是一种自然语言处理（NLP）方法，它标识了文本中包含的情感。由于其在各种领域的潜在应用，包括财务，市场营销和公众舆论监控，因此受到了极大的关注。在金融领域，情绪分析对于分析市场趋势，预测股票价格和指导投资选择至关重要。本研究论文比较了使用Twitter数据对美国索引的大帽和小帽公司的情感分析中基于词典的方法，机器学习技术和Chatgpt的性能。实施CHATGPT的目的是确定目前正在淹没社交媒体场景的著名工具的有用性。结果表明，随机森林的总体准确性最高，大帽子的83.6％，而小帽子上的森林则达到了78.8％。ChatGpt情感的大帽子的精度为77.44％，而小帽子的精度为72.43％。同时，性能最低的方法是TextBlob，其精度为46.52％，而小帽子的精度为43.57％。随机森林能够理解推文的背景并处理语句和短语，而Chatgpt仍在开发中，但有可能在将来表现更好。在股票市场中使用的语术语和短语很多，这些词语中未包含在TextBlob词典中。因此，TextBlob的性能是性能最低的方法。
在Reddit上对Chatgpt的公众态度
Chatgpt表现出了令人印象深刻的能力，并影响了人类社会的各个方面，从而引起了不同社会领域的广泛关注。本研究旨在全面评估Reddit上对Chatgpt的公众看法。数据集是通过社交媒体平台Reddit收集的，其中包含与Chatgpt相关的23,733个帖子和合并。首先，为了研究公众态度，本研究使用潜在的迪里奇分配（LDA）算法进行了内容分析，以提取相关主题。此外，情感分析将用户帖子和使用自然语言制作中的文本BLOB和VADER分类为正面，负面或中性。主题建模的结果表明，确定了有关CHATGPT的七个主题，可以将其分为三个主题：用户感知，技术方法和对社会的影响。情感分析的结果表明，有61.6％的帖子和评论对Chatgpt有利意见。他们强调了Chatgpt提示和与用户进行自然对话的能力，而无需依靠复杂的自然语言处理。它为chatgpt开发人员增强其可用性设计和功能提供了建议。同时，包括用户在内的利益相关者应综合人类社会中Chatgpt的优势和缺点，以促进系统的道德和受监管实施。