Published January 1, 2023 | Version v1
Publication Open

A Case Study of Chinese Sentiment Analysis of Social Media Reviews Based on LSTM

Creators

  • 1. University of Science and Technology of China
  • 2. Peking University

Description

Network public opinion analysis is obtained through a combination of natural language processing (NLP) and public opinion supervision, and is crucial for monitoring public mood and trends. Therefore, network public opinion analysis can identify and solve potential and budding social problems. This study aims to realize an analysis of Chinese sentiment in social media reviews using a long short-term memory network (LSTM) model. A dataset was obtained from Sina Weibo using a web crawler and cleaned using Pandas. First, Chinese comments regarding the legal sentencing in of Tangshan attack and Jiang Ge Case were segmented and vectorized. Thereafter, a binary LSTM model was trained and tested. Finally, sentiment analysis results were obtained by analyzing the comments with the LSTM model. The accuracy of the proposed model has reached approximately 92%.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يتم الحصول على تحليل الرأي العام للشبكة من خلال مزيج من معالجة اللغة الطبيعية (البرمجة اللغوية العصبية) والإشراف على الرأي العام، وهو أمر بالغ الأهمية لرصد المزاج العام والاتجاهات. لذلك، يمكن لتحليل الرأي العام للشبكة تحديد وحل المشاكل الاجتماعية المحتملة والناشئة. تهدف هذه الدراسة إلى تحقيق تحليل للمشاعر الصينية في مراجعات وسائل التواصل الاجتماعي باستخدام نموذج شبكة الذاكرة قصيرة المدى (LSTM). تم الحصول على مجموعة بيانات من سينا ويبو باستخدام زاحف ويب وتنظيفها باستخدام الباندا. أولاً، كانت التعليقات الصينية بشأن الحكم القانوني في هجوم تانغشان وقضية جيانغ جي مجزأة وموجهة. بعد ذلك، تم تدريب واختبار نموذج LSTM ثنائي. أخيرًا، تم الحصول على نتائج تحليل المشاعر من خلال تحليل التعليقات باستخدام نموذج LSTM. وصلت دقة النموذج المقترح إلى ما يقرب من 92 ٪.

Translated Description (French)

L'analyse de l'opinion publique en réseau est obtenue grâce à une combinaison de traitement du langage naturel (PNL) et de supervision de l'opinion publique, et est cruciale pour surveiller l'humeur et les tendances du public. Par conséquent, l'analyse de l'opinion publique en réseau peut identifier et résoudre les problèmes sociaux potentiels et naissants. Cette étude vise à réaliser une analyse du sentiment chinois dans les revues de médias sociaux en utilisant un modèle de réseau de mémoire à long terme (LSTM). Un ensemble de données a été obtenu auprès de Sina Weibo à l'aide d'un robot d'indexation et nettoyé à l'aide de Pandas. Tout d'abord, les commentaires chinois concernant la condamnation légale de l'attaque de Tangshan et de l'affaire Jiang Ge ont été segmentés et vectorisés. Par la suite, un modèle LSTM binaire a été formé et testé. Enfin, les résultats de l'analyse des sentiments ont été obtenus en analysant les commentaires avec le modèle LSTM. La précision du modèle proposé a atteint environ 92 %.

Translated Description (Spanish)

El análisis de la opinión pública de la red se obtiene a través de una combinación de procesamiento del lenguaje natural (PNL) y supervisión de la opinión pública, y es crucial para monitorear el estado de ánimo y las tendencias del público. Por lo tanto, el análisis de la opinión pública de la red puede identificar y resolver problemas sociales potenciales y en ciernes. Este estudio tiene como objetivo realizar un análisis del sentimiento chino en las revisiones de las redes sociales utilizando un modelo de red de memoria a largo plazo (LSTM). Se obtuvo un conjunto de datos de Sina Weibo utilizando un rastreador web y se limpió con Pandas. En primer lugar, los comentarios chinos sobre la sentencia legal en el ataque de Tangshan y el caso Jiang Ge fueron segmentados y vectorizados. A partir de entonces, se entrenó y probó un modelo binario de LSTM. Finalmente, se obtuvieron resultados de análisis de sentimiento analizando los comentarios con el modelo LSTM. La precisión del modelo propuesto ha alcanzado aproximadamente el 92%.

Files

shsconf_essc2023_04012.pdf.pdf

Files (24 Bytes)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:7624dcbc096921e31a1da610e19a546e
24 Bytes
Preview Download

Additional details

Additional titles

Translated title (Arabic)
دراسة حالة تحليل المشاعر الصينية لمراجعات وسائل التواصل الاجتماعي بناءً على LSTM
Translated title (French)
A Case Study of Chinese Sentiment Analysis of Social Media Reviews Based on LSTM
Translated title (Spanish)
Un estudio de caso del análisis del sentimiento chino de las revisiones de las redes sociales basadas en LSTM

Identifiers

Other
https://openalex.org/W4320502040
DOI
10.1051/shsconf/202315704012

Is supplement to
https://openalex.org/W3160699245 (Other)
https://openalex.org/W2952662149 (Other)
https://openalex.org/W2793616590 (Other)
https://openalex.org/W2782955270 (Other)
https://openalex.org/W2766789703 (Other)
https://openalex.org/W2349928170 (Other)
https://openalex.org/W2183090405 (Other)
https://openalex.org/W2142177036 (Other)
https://openalex.org/W2075666982 (Other)
https://openalex.org/W2065835655 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1614298861
  • https://openalex.org/W2060099436
  • https://openalex.org/W2064675550
  • https://openalex.org/W2069143585
  • https://openalex.org/W2079735306
  • https://openalex.org/W2080558111
  • https://openalex.org/W2114581066
  • https://openalex.org/W2166706824
  • https://openalex.org/W2250539671
  • https://openalex.org/W2294273408
  • https://openalex.org/W2494466416
  • https://openalex.org/W2766608955
  • https://openalex.org/W2975484689
  • https://openalex.org/W3095388897
  • https://openalex.org/W3190593662
  • https://openalex.org/W3201668637
  • https://openalex.org/W4200018285
  • https://openalex.org/W4286433613