Published January 1, 2020
| Version v1
Publication
Open
Sentiment Analysis for e-Payment Service Providers Using Evolutionary eXtreme Gradient Boosting
- 1. University of Jordan
- 2. Universidad de Granada
Description
Online services depend primarily on customer feedback and communications. When this kind of input is lacking, the overall approach of the service provider can shift in unintended ways. These services rely on feedback to maintain consumer satisfaction. Online social networks are a rich source of consumer data related to services and products. Well developed methods like sentiment analysis can offer insightful analyses and aid service providers in predicting outcomes based on their reviews-which, in turn, enables decision-makers to develop effective strategic plans. However, gathering this data is more challenging on Arabic online social networks, due to the complexity of the Arabic language and its dialects. In this study, we propose an approach to sentiment analysis that combines a neutrality detector model with eXtreme Gradient Boosting and a genetic algorithm to effectively predict and analyze customers' opinions of an e-Payment service through an Arabic social network. The proposed approach yields excellent results compared to other approaches. Feature analysis is also conducted on consumer reviews to identify influencing keywords.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تعتمد الخدمات عبر الإنترنت في المقام الأول على ملاحظات العملاء والاتصالات. عند الافتقار إلى هذا النوع من المدخلات، يمكن أن يتحول النهج العام لمقدم الخدمة بطرق غير مقصودة. تعتمد هذه الخدمات على التعليقات للحفاظ على رضا المستهلك. تعد الشبكات الاجتماعية عبر الإنترنت مصدرًا غنيًا لبيانات المستهلك المتعلقة بالخدمات والمنتجات. يمكن أن تقدم الأساليب المتطورة مثل تحليل المشاعر تحليلات ثاقبة ومقدمي خدمات المساعدة في التنبؤ بالنتائج بناءً على مراجعاتهم - والتي بدورها تمكن صانعي القرار من تطوير خطط استراتيجية فعالة. ومع ذلك، فإن جمع هذه البيانات أكثر صعوبة على الشبكات الاجتماعية العربية عبر الإنترنت، بسبب تعقيد اللغة العربية ولهجاتها. في هذه الدراسة، نقترح نهجًا لتحليل المشاعر يجمع بين نموذج كاشف الحياد وتعزيز التدرج الفائق وخوارزمية جينية للتنبؤ بآراء العملاء حول خدمة الدفع الإلكتروني وتحليلها بشكل فعال من خلال شبكة اجتماعية عربية. يحقق النهج المقترح نتائج ممتازة مقارنة بالنهج الأخرى. يتم إجراء تحليل الميزات أيضًا على مراجعات المستهلكين لتحديد الكلمات الرئيسية المؤثرة.Translated Description (French)
Les services en ligne dépendent principalement des commentaires et des communications des clients. Lorsque ce type de contribution fait défaut, l'approche globale du fournisseur de services peut changer de manière involontaire. Ces services s'appuient sur les commentaires pour maintenir la satisfaction des consommateurs. Les réseaux sociaux en ligne sont une riche source de données sur les consommateurs liées aux services et aux produits. Des méthodes bien développées comme l'analyse des sentiments peuvent offrir des analyses perspicaces et aider les prestataires de services à prédire les résultats en fonction de leurs examens, ce qui, à son tour, permet aux décideurs d'élaborer des plans stratégiques efficaces. Cependant, la collecte de ces données est plus difficile sur les réseaux sociaux en ligne arabes, en raison de la complexité de la langue arabe et de ses dialectes. Dans cette étude, nous proposons une approche de l'analyse des sentiments qui combine un modèle de détecteur de neutralité avec eXtreme Gradient Boosting et un algorithme génétique pour prédire et analyser efficacement les opinions des clients sur un service de paiement électronique via un réseau social arabe. L'approche proposée donne d'excellents résultats par rapport à d'autres approches. Une analyse des caractéristiques est également effectuée sur les avis des consommateurs afin d'identifier les mots-clés influents.Translated Description (Spanish)
Los servicios en línea dependen principalmente de los comentarios y las comunicaciones de los clientes. Cuando falta este tipo de información, el enfoque general del proveedor de servicios puede cambiar de manera involuntaria. Estos servicios se basan en la retroalimentación para mantener la satisfacción del consumidor. Las redes sociales en línea son una rica fuente de datos de consumo relacionados con servicios y productos. Los métodos bien desarrollados, como el análisis de sentimientos, pueden ofrecer análisis perspicaces y ayudar a los proveedores de servicios a predecir los resultados en función de sus revisiones, lo que, a su vez, permite a los responsables de la toma de decisiones desarrollar planes estratégicos efectivos. Sin embargo, la recopilación de estos datos es más difícil en las redes sociales en línea del árabe, debido a la complejidad de la lengua árabe y sus dialectos. En este estudio, proponemos un enfoque para el análisis de sentimientos que combina un modelo de detector de neutralidad con eXtreme Gradient Boosting y un algoritmo genético para predecir y analizar de manera efectiva las opiniones de los clientes sobre un servicio de pago electrónico a través de una red social árabe. El enfoque propuesto produce excelentes resultados en comparación con otros enfoques. El análisis de características también se realiza en las revisiones de los consumidores para identificar las palabras clave que influyen.Files
09229408.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:45c8e6c377dfc350745eef616bb1947d
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحليل معنويات مقدمي خدمات الدفع الإلكتروني باستخدام تعزيز التدرج المتطرف التطوري
- Translated title (French)
- Analyse des sentiments pour les fournisseurs de services de paiement électronique utilisant l'optimisation évolutive du gradient eXtreme
- Translated title (Spanish)
- Análisis de sentimientos para proveedores de servicios de pago electrónico que utilizan Evolutionary eXtreme Gradient Boosting
Identifiers
- Other
- https://openalex.org/W3093674982
- DOI
- 10.1109/access.2020.3032216
References
- https://openalex.org/W31502041
- https://openalex.org/W194416169
- https://openalex.org/W1259090559
- https://openalex.org/W1969240017
- https://openalex.org/W2013993544
- https://openalex.org/W2027232045
- https://openalex.org/W2039262892
- https://openalex.org/W2057854333
- https://openalex.org/W2059724699
- https://openalex.org/W2067767241
- https://openalex.org/W2126854223
- https://openalex.org/W2250886571
- https://openalex.org/W2268110014
- https://openalex.org/W2306941105
- https://openalex.org/W2598830519
- https://openalex.org/W2612449950
- https://openalex.org/W2735745260
- https://openalex.org/W2751193242
- https://openalex.org/W2765369538
- https://openalex.org/W2774008574
- https://openalex.org/W2789784111
- https://openalex.org/W2790680202
- https://openalex.org/W2794259165
- https://openalex.org/W2801802177
- https://openalex.org/W2884753007
- https://openalex.org/W2890269216
- https://openalex.org/W2895547478
- https://openalex.org/W2896393525
- https://openalex.org/W2907687474
- https://openalex.org/W2910809304
- https://openalex.org/W2912099040
- https://openalex.org/W2914128779
- https://openalex.org/W2921140414
- https://openalex.org/W2964586220
- https://openalex.org/W2979699288
- https://openalex.org/W2989978026
- https://openalex.org/W2995954664
- https://openalex.org/W3000271234
- https://openalex.org/W3014413883
- https://openalex.org/W3102476541
- https://openalex.org/W3103987640
- https://openalex.org/W3122687407
- https://openalex.org/W4252008517