BERTを用いたWeibo(中国SNS)テキストの細粒度感情分析

📌 研究概要

従来の「ポジティブ / ネガティブ」といった二値分類の限界を突破するため、事前学習モデル BERT による高度な文脈理解と、感情辞書による明示的なルールを融合（Feature Fusion）させたハイブリッド感情分析フレームワークを構築しました。

🛠 技術的なハイライト

• 不均衡データの解消: nlpaugを用いた動的なデータ拡張（ランダム単語削除）により、少数サンプル（「恐怖」など）の過学習を防止。
• 特徴量融合（Feature Fusion）: Transformerによる高次元の文脈Embeddingと、感情辞書からの特徴エンコーディングを全結合層で統合。
• 分類精度の向上: ベースライン（TextCNN等）を凌駕し、全体のAccuracy 89%・F1スコア 88%を達成。特に検出が困難な「悲しみ」「恐怖」のF1スコアを4ポイント改善しました。

💡 ビジネス・社会へのインパクト

同じ「ネガティブ」なユーザー反応でも、それが「怒り」によるものか「悲しみ」によるものかをシステムが自動判別します。
これにより、カスタマーサポートやD2Cブランドにおいて、解像度の高いユーザーモデリングと、文脈に合わせた最適なアクション（介入施策）の迅速な決定が可能になります。