要旨: 本論文は、インドネシア語のTwitterコメントに対する二値感情分析を対象として、Ibu Kota Nusantara（IKN）に関連するデータを用い、PyCaret AutoML に基づく古典的機械学習アプローチと、IndoBERT の微調整に基づく深層学習アプローチをベンチマークする。本データセットには手動でラベル付けされた 1,472 サンプルが含まれ、その内訳は負例 780 件、正例 692 件である。機械学習の設定では、ロジスティック回帰、ナイーブベイズ、サポートベクターマシンを 10 分割交差検証で評価し、古典モデルの中でロジスティック回帰が最良の性能を達成した（77.57% の精度および 77.17% の F1-score）。深層学習の設定では、indobenchmark/indobert-base-p1 モデルを 5 エポック微調整し、89.59% のテスト精度および 89.37% の F1-score を達成した。結果は、IndoBERT が機械学習のベースラインを大幅に上回ることを示しており、非公式なインドネシア語のソーシャルメディア文に対するトランスフォーマー系の文脈表現が有効であることを明らかにする。
IKNインドネシアTwitterデータに対する感情分析でPyCaret AutoMLをIndoBERT微調整と比較ベンチマーク
arXiv cs.CL / 2026/4/29
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本研究は、PyCaret AutoMLによる古典的手法と、IndoBERTの微調整による深層学習手法を比較し、IKNに関するインドネシア語Twitterコメントの二値感情分析をベンチマークしています。
- データセットは1,472件の手動ラベル付きサンプル（ネガティブ780、ポジティブ692）で構成され、古典的モデルは10-fold交差検証で評価されました。
- 古典的ベースラインの中ではロジスティック回帰が最良で、精度77.57%、F1-score 77.17%を達成しました。
- IndoBERT（indobenchmark/indobert-base-p1）を5エポック微調整した場合、精度89.59%、F1-score 89.37%と大幅に高い性能が得られました。
- これらの結果から、Transformer型の文脈表現が非公式なインドネシアのSNSテキストの感情分類に有効であり、AutoML系のベースラインを上回ることが示されています。
