Изучение демографических вариаций языка для улучшения многоязычного анализа тональности в социальных сетях

Различные демографические группы, например выделенные по гендеру или возрасту, могут существенно различаться в использовании языка, особенно в неформальных контекстах, таких как социальные сети. В данной работе мы изучаем гендерные различия в использовании субъективной лексики на англоязычных, испаноязычных и русскоязычных данных Twitter, а также исследуем межкультурные различия в использовании эмотиконов и хэштегов мужчинами и женщинами. Мы показываем, что гендерные различия в субъективной лексике можно эффективно использовать для улучшения анализа тональности, в частности классификации полярности, для испанского и русского языков. Наши результаты демонстрируют статистически значимое относительное улучшение F-меры по сравнению с гендерно-независимой базовой моделью: на 1,5% и 1% для русского языка, на 2% и 0,5% для испанского языка и на 2,5% и 5% для английского языка — для классификации полярности и субъективности соответственно.