对比多语言模型在欧阿语情感分析中的表现，发现XLM-R更适配复杂语法语言。

Comparative Approaches to Sentiment Analysis Using Datasets in Major European and Arabic Languages

• 使用BERT、mBERT和XLM-R进行多语言情感分析
• XLM-R在形态复杂的语言中准确率超88%
• 适合关注低资源语言情感分析的研究者

本研究探讨了基于Transformer的模型（如BERT、mBERT和XLM-R）在多种欧洲语种和阿拉伯语中的多语言情感分析能力。重点发现XLM-R在形态结构复杂的语言中展现出更强的适应性，准确率超过88%。研究还强调了微调策略的重要性，对提升低资源语言的情感分类性能具有关键作用。

原文摘要 · Abstract (English)

This study explores transformer-based models such as BERT, mBERT, and XLM-R for multi-lingual sentiment analysis across diverse linguistic structures. Key contributions include the identification of XLM-R superior adaptability in morphologically complex languages, achieving accuracy levels above 88%. The work highlights fine-tuning strategies and emphasizes their significance for improving sentiment classification in underrepresented languages.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。