要旨: YouTubeのソーシャルメディア上における「無料の栄養食プログラム（MBG）」に対する世論は、多様なコミュニティの反応を反映している。本研究では、7,733件のYouTubeコメントから感情を分類するために、Long Short-Term Memory（LSTM）手法を適用する。結果として、LSTMモデルは89%の精度を達成し、ネガティブ感情では（F1スコア 0.94）高い性能を示す一方、クラス不均衡のためにポジティブ感情では（F1スコア 0.55）性能が弱いことが分かった。これは、ネガティブデータがデータセットの87.7%を占めているためである。これらの知見は、インドネシア語テキストの感情分析におけるLSTMの有効性を確認すると同時に、不均衡データという課題を浮き彫りにする。本研究は、ソーシャルメディアに基づく公共政策評価に貢献する
LSTM手法によるYouTubeメディア上の無料栄養給食プログラムに関する世論の分類
arXiv cs.CL / 2026/4/30
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、インドネシアの「無料栄養給食プログラム（MBG）」に対する世論を、YouTubeコメント7,733件に表れた感情を分類することで分析する。
- LSTM（Long Short-Term Memory）モデルを用いた感情分類により、全体の精度は89%と報告されている。
- ネガティブ感情はF1スコア0.94と高い一方、ポジティブ感情はF1スコア0.55と低く、ネガティブデータがデータセットの87.7%を占めるクラス不均衡が主な要因とされる。
- 本研究は、インドネシア語テキストに対するソーシャルメディア上の感情分析でLSTMが有効である一方、不均衡データが課題として残ることを示している。
- 研究全体として、感情分析を通じたソーシャルメディアベースの公共政策評価への貢献を目指している。
