Published March 8, 2018
| Version v1
Publication
Open
A novel adaptable approach for sentiment analysis on big social data
Creators
- 1. Université Ibn-Tofail
- 2. Université d'Angers
Description
Gathering public opinion by analyzing big social data has attracted wide attention due to its interactive and real time nature. For this, recent studies have relied on both social media and sentiment analysis in order to accompany big events by tracking people's behavior. In this paper, we propose an adaptable sentiment analysis approach that analyzes social media posts and extracts user's opinion in real-time. The proposed approach consists of first constructing a dynamic dictionary of words' polarity based on a selected set of hashtags related to a given topic, then, classifying the tweets under several classes by introducing new features that strongly fine-tune the polarity degree of a post. To validate our approach, we classified the tweets related to the 2016 US election. The results of prototype tests have performed a good accuracy in detecting positive and negative classes and their sub-classes.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
اجتذب جمع الرأي العام من خلال تحليل البيانات الاجتماعية الكبيرة اهتمامًا واسعًا بسبب طبيعتها التفاعلية والآنية. لهذا، اعتمدت الدراسات الحديثة على كل من وسائل التواصل الاجتماعي وتحليل المشاعر من أجل مرافقة الأحداث الكبيرة من خلال تتبع سلوك الناس. في هذه الورقة، نقترح نهجًا لتحليل المشاعر قابل للتكيف يحلل منشورات وسائل التواصل الاجتماعي ويستخلص رأي المستخدم في الوقت الفعلي. يتكون النهج المقترح أولاً من بناء قاموس ديناميكي لقطبية الكلمات بناءً على مجموعة مختارة من علامات التصنيف المتعلقة بموضوع معين، ثم تصنيف التغريدات تحت عدة فئات من خلال تقديم ميزات جديدة تعمل على ضبط درجة قطبية المنشور بقوة. للتحقق من صحة نهجنا، قمنا بتصنيف التغريدات المتعلقة بانتخابات الولايات المتحدة لعام 2016. حققت نتائج اختبارات النماذج الأولية دقة جيدة في الكشف عن الفئات الإيجابية والسلبية وفئاتها الفرعية.Translated Description (French)
Rassembler l'opinion publique en analysant les mégadonnées sociales a attiré une grande attention en raison de sa nature interactive et en temps réel. Pour cela, des études récentes se sont appuyées à la fois sur les médias sociaux et sur l'analyse des sentiments afin d'accompagner les grands événements en suivant le comportement des gens. Dans cet article, nous proposons une approche adaptable d'analyse des sentiments qui analyse les publications sur les réseaux sociaux et extrait l'opinion des utilisateurs en temps réel. L'approche proposée consiste d'abord à construire un dictionnaire dynamique de la polarité des mots basé sur un ensemble sélectionné de hashtags liés à un sujet donné, puis à classer les tweets en plusieurs classes en introduisant de nouvelles fonctionnalités qui affinent fortement le degré de polarité d'un post. Pour valider notre approche, nous avons classé les tweets liés à l'élection américaine de 2016. Les résultats des tests de prototypes ont permis d'obtenir une bonne précision dans la détection des classes positives et négatives et de leurs sous-classes.Translated Description (Spanish)
Recopilar la opinión pública mediante el análisis de grandes datos sociales ha atraído una gran atención debido a su naturaleza interactiva y en tiempo real. Para ello, estudios recientes se han basado tanto en las redes sociales como en el análisis de sentimientos para acompañar los grandes eventos mediante el seguimiento del comportamiento de las personas. En este documento, proponemos un enfoque de análisis de sentimientos adaptable que analiza las publicaciones en las redes sociales y extrae la opinión del usuario en tiempo real. El enfoque propuesto consiste en construir primero un diccionario dinámico de polaridad de palabras basado en un conjunto seleccionado de hashtags relacionados con un tema determinado, luego, clasificar los tweets en varias clases mediante la introducción de nuevas características que ajustan fuertemente el grado de polaridad de una publicación. Para validar nuestro enfoque, clasificamos los tweets relacionados con las elecciones estadounidenses de 2016. Los resultados de las pruebas de prototipos han realizado una buena precisión en la detección de clases positivas y negativas y sus subclases.Files
document.pdf
Files
(1.6 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:d27357f533c1558971f134fde1a994ca
|
1.6 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- نهج جديد قابل للتكيف لتحليل المشاعر على البيانات الاجتماعية الكبيرة
- Translated title (French)
- Une nouvelle approche adaptable pour l'analyse des sentiments sur les grandes données sociales
- Translated title (Spanish)
- Un enfoque novedoso y adaptable para el análisis de sentimientos en grandes datos sociales
Identifiers
- Other
- https://openalex.org/W2789239487
- DOI
- 10.1186/s40537-018-0120-0
References
- https://openalex.org/W1538541971
- https://openalex.org/W1572786359
- https://openalex.org/W1590495275
- https://openalex.org/W1963704945
- https://openalex.org/W1974906280
- https://openalex.org/W2019759670
- https://openalex.org/W2063507896
- https://openalex.org/W2069516633
- https://openalex.org/W2080558111
- https://openalex.org/W2093184537
- https://openalex.org/W2150203336
- https://openalex.org/W2159473174
- https://openalex.org/W2160660844
- https://openalex.org/W2166706824
- https://openalex.org/W2184009014
- https://openalex.org/W2205567596
- https://openalex.org/W2333002587
- https://openalex.org/W2342270822
- https://openalex.org/W2538660910
- https://openalex.org/W2563290029
- https://openalex.org/W2575143348
- https://openalex.org/W2581907001
- https://openalex.org/W2963580884
- https://openalex.org/W3123712780
- https://openalex.org/W4238716664