TOM: Twitter opinion mining framework using hybrid classification scheme

Abstract:In this study, we present the design and implementation of Arabic text classification in regard to university students' opinions through different algorithms such as Support Vector Machine (SVM) and Naive Bayes (NB). The aim of the study is to develop a framework to analyse Twitter "tweets" as having negative, positive or neutral sentiments in education or, in other words, to illustrate the relationship between the sentiments conveyed in Arabic tweets and the students' learning experiences at universities. Two experiments were carried out, one using negative and positive classes only and the other one with a neutral class. The results show that in Arabic, a sentiments SVM with an n-gram feature achieved higher accuracy than NB both with using negative and positive classes only and with the neutral class.

show abstract

“…The precision and recall metrics were obtained to evaluate the classification results (Khan et al, 2014):…”

Section: Discussionmentioning

confidence: 99%

Sentiment Analysis of Arabic Tweets in e-Learning

AL-Rubaiee

Qiu

Alomar

et al. 2016

Journal of Computer Science

View full text Add to dashboard Cite

show abstract

“…Les deux principales approches pour l'analyse d'opinions sont les approches de classifications visant à reconnaître l'orientation sémantique globale d'un texte ou d'une phrase [8,17] Peu de corpus annotés ont été proposés en support à l'analyse d'opinions en comparaison avec le besoin actuel. Cela, quelle que soit la langue cible.…”

Section: Travaux Connexesunclassified

Création semi-automatique d’un corpus annoté pour l’analyse d’opinions

Sadoun

2016

SHS Web of Conferences

View full text Add to dashboard Cite

Résumé. Nous décrivons une méthode semi-automatique pour la création d'un corpus annoté en français. Ce corpus vise à permettre l'apprentissage d'un système d'analyse d'opinions dans des textes portant sur l'évalua-tion d'établissements de recherche et d'enseignement supérieur. La création de ce corpus s'effectue de manière itérative. Au cours de ces itérations une ontologie, une terminologie ainsi qu'un ensemble de patrons syntaxicosémantiques sont créés automatiquement à partir d'annotations antérieures effectuées par des experts du domaine. Ces ressources permettent par la suite de guider l'annotation automatique de nouveaux corpus. Chaque corpus annoté automatiquement est alors soumis à une nouvelle annotation manuelle des experts. Des résultats empiriques montrent que notre méthode permet d'accélérer et de faciliter le processus d'annotation. Le corpus résultat est annoté à la fois sémantiquement et syntaxiquement. Il est disponible gratuitement.Abstract. A semi-automatic creation of an annotated corpus for opinion mining. We describe a semiautomatic method for creating an annotated corpus in French. This corpus is intended to allow learning of an opinion mining system in texts concerning the evaluation of research and higher education establishments. The creation of this corpus is done iteratively. During these iterations an ontology, a terminology and a set of syntactic patterns are automatically created from previous annotations made by domain experts. These resources allow thereafter to guide the automatic annotation of new corpus. Each automatically annotated corpus is then submitted to a further manual annotation of the experts. Empirical results show that our method accelerates and facilitates the human annotation process. The resulting corpus is annotated both semantically and syntactically and is freely available.

show abstract

“…Zde je vesměs třeba obsah serveru získávat pomocí speciálních pluginů, které automaticky procházejí ať již veřejnou nebo neveřejnou část sítě, do které se zpravidla dá proniknout pomocí k tomu speciálně zřízených uživatelských profilů. Úspěšnou technikou je také u některých typů sítí online sledování a ukládání aktualit a krátkých zpráv uživatelů, jak uvádí Khan et al (2014).…”

Section: Proces Sledování a Stahování Obsahu Internetuunclassified

Tools for Automatic Recognition of Persons and their Relationships in Unstructured Data

Ráček¹,

Ministr²

2014

AIP

View full text Add to dashboard Cite

TOM: Twitter opinion mining framework using hybrid classification scheme

Cited by 271 publications

References 9 publications

Sentiment Analysis of Arabic Tweets in e-Learning

Sentiment Analysis of Arabic Tweets in e-Learning

Création semi-automatique d’un corpus annoté pour l’analyse d’opinions

Tools for Automatic Recognition of Persons and their Relationships in Unstructured Data

Contact Info

Product

Resources

About