کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10355054 867021 2016 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Expressive signals in social media languages to improve polarity detection
ترجمه فارسی عنوان
سیگنال های ابراز شده در زبان های رسانه های اجتماعی برای بهبود تشخیص قطبیت
کلمات کلیدی
تجزیه و تحلیل احساسات، شناسایی قطبی، سیگنال های واضح
ترجمه چکیده
رسانه های اجتماعی نمایانگر یک بخش چالش برانگیز است که بیانات زبان طبیعی مردم را می توان به راحتی از طریق وبلاگ ها و پیام های متن کوتاه گزارش کرد. این به سرعت در حال ایجاد محتویات منحصر به فرد از ابعاد عظیم است که باید به طور موثر و موثر مورد تجزیه و تحلیل قرار گیرد تا دانش عملی برای پروسه های تصمیم گیری ایجاد شود. یک اطلاعات کلیدی که می تواند از محیط اجتماعی درک شود، مربوط به قطبیت پیام های متنی است. برای جلب توجه بیشتر جهت گیری پیام ها، می توان چندین فرم ارزشمند بیان کرد. در این مقاله، سه سیگنال بیان شده - که معمولا در میکروبلاگ ها استفاده می شود - مورد بررسی قرار گرفته اند: (1) صفت ها، (2) شکلک ها، اصطلاحات ممتد و انوماتوپئیک و (3) طول بیانگر. هنگامی که یک پیام نوشتاری برای مطابقت بهتر پیام های رسانه های اجتماعی با یک زبان کانونی، عادی شده است، سیگنال های بیانگر در نظر گرفته شده برای غنی سازی فضای ویژگی و استفاده از طبقه بندی های اولیه و دسته ای با هدف طبقه بندی قطبی مورد استفاده قرار گرفته است. نتایج تجربی نشان می دهد که صفت ها بیشتر در معرض سیگنال های بیانگر دیگری هستند و تاثیر بیشتری دارند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
سیگنال های ابراز شده در زبان های رسانه های اجتماعی برای بهبود تشخیص قطبیت
چکیده انگلیسی
Social media represents an emerging challenging sector where the natural language expressions of people can be easily reported through blogs and short text messages. This is rapidly creating unique contents of massive dimensions that need to be efficiently and effectively analyzed to create actionable knowledge for decision making processes. A key information that can be grasped from social environments relates to the polarity of text messages. To better capture the sentiment orientation of the messages, several valuable expressive forms could be taken into account. In this paper, three expressive signals - typically used in microblogs - have been explored: (1) adjectives, (2) emoticon, emphatic and onomatopoeic expressions and (3) expressive lengthening. Once a text message has been normalized to better conform social media posts to a canonical language, the considered expressive signals have been used to enrich the feature space and train several baseline and ensemble classifiers aimed at polarity classification. The experimental results show that adjectives are more discriminative and impacting than the other considered expressive signals.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Processing & Management - Volume 52, Issue 1, January 2016, Pages 20-35
نویسندگان
, , ,