کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10355187 867104 2015 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Sentiment analysis system adaptation for multilingual processing: The case of tweets
ترجمه فارسی عنوان
سازگاری سیستم تحلیل احساسات برای پردازش چند زبانه: مورد تویت ها
کلمات کلیدی
تجزیه و تحلیل ذهنی، تجزیه و تحلیل احساسات، منابع چند زبانه، معدن رسانه های اجتماعی، تجزیه و تحلیل چت،
ترجمه چکیده
سیستم های معرفتی امروزه نقش مهمی در زمینه های مختلف مانند بازاریابی، سیستم های حمایت از تصمیم گیری یا حمایت از سیاست بازی می کنند. از زمان ورود وب 2.0، اسناد متنی بیشتر و بیشتر حاوی اطلاعاتی است که نظرات یا نظرات را در زبان های مختلف بیان می کنند. با توجه به اهمیت اثبات شده این اسناد، استفاده از سیستم های معدنکاری موثر چند زبانه برای اهداف مختلف بسیار مهم است. این مقاله تجربیات انجام شده با هدف ایجاد یک سیستم تجزیه و تحلیل احساسات چند زبانه را ارائه می دهد. ما ارزیابی اولیه روش ها و منابع انجام شده در دو کمپین ارزیابی بین المللی برای زبان انگلیسی و اسپانیایی ارائه می کنیم. پس از شرکت در هر دو مسابقه، آزمایش های اضافی با هدف بهبود عملکرد سیستم های اسپانیایی و انگلیسی با استفاده از داده های ماشین چند زبانه انجام شد. بر اساس ارزیابی های ما نشان می دهیم که استفاده از ویژگی های ترکیبی و داده های ماشین چند زبانه (حتی از زبان های دیگر) می تواند به بهبود ویژگی های مربوط به طبقه بندی احساسات کمک کند و بنابراین دقت سیستم های تحلیل احساسات را افزایش می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
سازگاری سیستم تحلیل احساسات برای پردازش چند زبانه: مورد تویت ها
چکیده انگلیسی
Nowadays opinion mining systems play a strategic role in different areas such as Marketing, Decision Support Systems or Policy Support. Since the arrival of the Web 2.0, more and more textual documents containing information that express opinions or comments in different languages are available. Given the proven importance of such documents, the use of effective multilingual opinion mining systems has become of high importance to different fields. This paper presents the experiments carried out with the objective to develop a multilingual sentiment analysis system. We present initial evaluations of methods and resources performed in two international evaluation campaigns for English and for Spanish. After our participation in both competitions, additional experiments were carried out with the aim of improving the performance of both Spanish and English systems by using multilingual machine-translated data. Based on our evaluations, we show that the use of hybrid features and multilingual, machine-translated data (even from other languages) can help to better distinguish relevant features for sentiment classification and thus increase the precision of sentiment analysis systems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Processing & Management - Volume 51, Issue 4, July 2015, Pages 547-556
نویسندگان
, ,