Sentiment Analysis of Thought-Related Language in the Context of Cognitive Disorders Using Machine Learning, Transformer-based Architecture and Large Language Models
Questo studio presenta un framework per l'analisi della polarità del sentimento nei testi relativi al pensiero su social media utilizzando un dataset su larga scala, dimostrando che i modelli tradizionali di machine learning come la Logistic Regression e le architetture transformer leggere come DistilBERT classificano efficacemente i sentimenti positivi e negativi, evidenziando al contempo la necessità di una supervisione umana nelle applicazioni relative alla salute mentale.