摘要

现有大多数研究集中于英语、西班牙语、汉语、日语等主流语言，然而尽管乌尔都语拥有超过六千万母语使用者，相关研究却相对匮乏。本文针对这一资源匮乏的语言，构建了一种深度学习模型，用于分析其文本中的情感表达。我们构建了一个开源语料库，包含来自566个在线讨论帖的10,008条评论，内容涵盖体育、食品、软件、政治和娱乐等主题。本研究旨在实现两个目标：（a）为乌尔都语情感分析研究提供一个人工标注的语料库；（b）利用该语料库对当前主流模型的性能进行评估。为评估模型性能，我们采用了二分类与三分类任务，并对比了多种模型，包括长短期记忆网络（LSTM）、循环卷积神经网络（RCNN）、基于规则的方法、N-gram模型、支持向量机（SVM）以及卷积神经网络（CNN）等。实验结果表明，RCNN模型在二分类任务中达到84.98%的准确率，在三分类任务中达到68.56%的准确率，优于其他标准模型。为便于同领域研究者开展进一步工作，本文已将所构建的语料库及实验代码全部开源。