文献

J-GLOBAL ID：202002260886807123   整理番号：20A2281504

Twitter感情のための分類結果を解析するための機械学習アプローチ【JST・京大機械翻訳】

Machine Learning Approach to Analyze Classification Result for Twitter Sentiment

著者 (2件)： Kalaivani P (St.Joseph’s College of Engineering,Department of Information Technology,Chennai,India) ,  Dinesh D (St.Joseph’s College of Engineering,Department of Information Technology,Chennai,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICOSEC  ページ： 107-112  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 社会メディアのモニタリングは,日々成長し,社会データを分析することは,人々の挙動の同定を助ける。ニュースとメディアは,特定の事故または政策を輸送する際に偏った役割を果たす。したがって,ツイッタコメントのようなソーシャルメディアデータの分析は,中央政府によって宣言されたある政府政策に関する人々の意見を調べる感情分析を使用する。本論文では,SVMとNNを用いたツイッタ感情解析を提案し,特定の政策のツイッタデータセットを分析し,感情の極性を見つける。インターネットの使用の急速な増加により,人々は特定のトピックに関するソーシャルメディアに関する意見を出すことができる。本研究では,2つの分類アルゴリズム,即ち,逆伝搬ニューラルネットワーク(BPNN)とサポートベクトルマシン(SVM)の間の精度を比較した。これらの2つのアルゴリズムは教師つきアルゴリズムであり,それは訓練データセットを用いてモデル列車自身を訓練し,試験データセットの助けを借りて試験を実行することを意味する。本研究は,テキストの背後の感情を分類するために使用されるANNとSVM分類アルゴリズムを提案し,分類結果の許容できる精度を達成できる。それを5100年にわたって訓練した。得られた混乱行列は,実際のラベルとの予測を比較することによって得られる。実験は,サポートベクターマシンがBPNNと比較して精度を凌駕することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  極性 ,  ニュース ,  カオス ,  インターネット ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 訓練データ ,  分類アルゴリズム ,  逆伝播ニューラルネットワーク ,  試験データ ,  ソーシャルメディア ,  *ツイッター ,  感情分析 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： Twitter ,  感情 ,  分類 ,  解析 ,  機械学習