view in publisher's site

Entity emotion mining in social media environment

Summary With the thriving of the social media (eg, Sina Microblog and Twitter), the public is keen on expressing their opinions or views on entities as celebrities and products. Emotion mining on social media can be applied in diverse areas, such as helping government or organizations understand people's attitudes so as to make right decisions for business services or political campaigns. One kind of the mainstream approaches for emotion mining are based on topic models, while most of these existing approaches aim at analyzing entire sentiments for the whole Microblog, rather than explicitly assigning the relevant sentiments to the specific entities. In addition, topic model is mainly based on the bag‐of‐words model but ignores the semantic relations of entity‐word in the modeling process, which brings low accuracy and poor interpretability to the sentiment analysis. To overcome the aforementioned difficulties, an Entity Sentiment Topic Model (ESTM) is proposed, which carries out entity‐dependent sentiment analysis. To improve the accuracy of sentiment analysis and enhance the interpretability of the results, ESTM is integrated with relations of entity‐word and a six‐dimensional emotion lexicon as weakly supervised information. Experiments have shown promising results on sentiment classification accuracy, interpretability, and quality of coherent topics for entities.

نهاد رسانه اجتماعی در محیط وب سایت‌های ارتباط جمعی

خلاصه با پیشرفت رسانه‌های اجتماعی (مثل سینا microblog و تویی‌تر)، مردم مشتاق بیان نظرات یا دیدگاه‌های خود به عنوان افراد مشهور و محصولات هستند. استخراج احساس در وب سایت‌های ارتباط جمعی می‌تواند در حوزه‌های مختلف مانند کمک به دولت یا سازمان‌ها برای درک نگرش‌های people's به کار گرفته شود تا تصمیمات درست برای خدمات تجاری یا فعالیت‌های سیاسی اتخاذ شود. یک نوع رویکرد اصلی برای استخراج احساسات مبتنی بر مدل‌های موضوعی است، در حالی که بیشتر این رویکردهای موجود، به جای آن که به صراحت احساسات مرتبط را به موجودیت‌های خاص اختصاص دهند، با هدف تجزیه و تحلیل تمام احساسات موجود هستند. علاوه بر این، مدل موضوع عمدتا مبتنی بر مدل bag است، اما روابط معنایی کلمه نهاد در فرآیند مدل‌سازی را نادیده می‌گیرد، که دقت پایین و توان تفسیر ضعیف را به تحلیل احساسی می‌آورد. برای غلبه بر مشکلات فوق‌الذکر، یک مدل Topic احساسی (ESTM)پیشنهاد شده‌است که تحلیل احساسات وابسته به موجودیت را انجام می‌دهد. برای بهبود دقت آنالیز احساسی و افزایش قابلیت تفسیر نتایج، ESTM با روابط متقابل واژه و یک واژه‌نامه احساسی شش بعدی به عنوان اطلاعات تحت نظارت ضعیف، ادغام می‌شود. آزمایش‌ها، نتایج امیدبخشی بر دقت طبقه‌بندی احساسات، قابلیت تفسیر و کیفیت موضوعات منسجم برای entities نشان داده‌اند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Computer Science Applications
  • ترجمه مقاله Computer Science Applications
  • مقاله کاربردهای علوم کامپیوتر
  • ترجمه مقاله کاربردهای علوم کامپیوتر
  • مقاله Software
  • ترجمه مقاله Software
  • مقاله نرم‌افزار
  • ترجمه مقاله نرم‌افزار
  • مقاله Computational Theory and Mathematics
  • ترجمه مقاله Computational Theory and Mathematics
  • مقاله نظریه محاسباتی و ریاضیات
  • ترجمه مقاله نظریه محاسباتی و ریاضیات
  • مقاله Computer Networks and Communications
  • ترجمه مقاله Computer Networks and Communications
  • مقاله شبکه‌ها و ارتباطات کامپیوتری
  • ترجمه مقاله شبکه‌ها و ارتباطات کامپیوتری
  • مقاله Theoretical Computer Science
  • ترجمه مقاله Theoretical Computer Science
  • مقاله علوم کامپیوتر نظری
  • ترجمه مقاله علوم کامپیوتر نظری
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.