Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "opinion mining" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    A Comprehensive study: - Sarcasm detection in sentimental analysis
    Autorzy:
    Ratawal, Yamini
    Tayal, Devendra
    Powiązania:
    https://bibliotekanauki.pl/articles/1159725.pdf
    Data publikacji:
    2018
    Wydawca:
    Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
    Tematy:
    Sentimental analysis
    Web mining
    deep learning
    machine learning
    opinion mining
    text mining
    Opis:
    Sarcasm detection is one of the active research area in sentimental analysis. However this paper talks about one of the recent issue in sentimental analysis that us sarcasm detection. In our work, we have described different techniques used in sarcasm detection that helps a novice researcher in efficient way. This paper represent different methodologies of carrying out research in this field.
    Źródło:
    World Scientific News; 2018, 113; 1-9
    2392-2192
    Pojawia się w:
    World Scientific News
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Novel framework for aspect knowledge base generated automatically from social media using pattern rules
    Autorzy:
    Tran, Tuan Anh
    Duangsuwan, Jarunee
    Wettayaprasit, Wiphada
    Powiązania:
    https://bibliotekanauki.pl/articles/2097963.pdf
    Data publikacji:
    2021
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    opinion mining
    aspect knowledge base
    aspect extraction
    pattern rules
    social media
    Opis:
    One of the factors that improve businesses in business intelligence is summarization systems that can generate summaries based on sentiment from social media. However, these systems cannot produce such summaries automatically; they use annotated datasets. To support these systems with annotated datasets, we propose a novel framework that uses pattern rules. The framework has two procedures: 1) pre-processing, and 2) aspect knowledge-base generation. The first procedure is to check and correct any misspelled words (bigram and unigram) by a proposed method and tag the parts-of-speech of all of the words. The second procedure is to automatically generate an aspect knowledge base that is to be used to produce sentiment summaries by sentiment-summarization systems. Pattern rules and semantic similarity-based pruning are used to automatically generate an aspect knowledge base from social media. In the experiments, eight domains from benchmark datasets of reviews are used. The performance evaluation of our proposed approach shows the highest performance when compared to other unsupervised approaches.
    Źródło:
    Computer Science; 2021, 22 (4); 489--516
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Information management tools for innovation analysts
    Narzędzia zarządzania informacją dla analityków innowacji
    Autorzy:
    Eito-Brun, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/256694.pdf
    Data publikacji:
    2014
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    innovation
    scientometrics
    text mining
    opinion mining
    text visualization
    innowacja
    naukometria
    eksploracja tekstu
    badanie opinii
    wizualizacja tekstu
    Opis:
    Innovation management is a knowledge-intensive process that requires dealing with different sources of data to identify relationships between the concepts, techniques, and tools that may led to innovations. Innovation analysts need to handle huge amounts of unstructured information: ideas gathered from internal staff and external partners, research papers and technical reports, patents and applications, etc. All these sources constitute valid inputs to assess the innovativeness of ideas, the feasibility of their implementation, and their potential value in the market. Innovation management discipline has widely used techniques and methods developed in the context of Information Science to support the identification of research trends, assess the outputs of innovation efforts and investments, and monitor the market and the activities made by competitors. The fruitful relationship between Information Science techniques and Innovation management needs to be regularly reviewed as new techniques and tools are designed and made available to the community. In the last years, significant progress has been achieved in areas like scientometrics, text visualization, and opinion mining. This paper provides an overview of these techniques and discusses how they can help professionals involved in innovation programs.
    Zarządzanie innowacjami to oparty na wiedzy proces, w którym definiowany jest poziom zależności pomiędzy pomysłami, technikami i narzędziami mogącymi skutkować opracowaniem innowacji. Analityk innowacji musi zarządzać treściami niestrukturalnymi: pomysłami zgromadzonymi od pracowników jak i partnerów, wiedzą pochodzącą z publikacji naukowych i raportów technicznych, patentami i zgłoszeniami patentowymi itp. Wszystkie te źródła stanowią istotny wkład w proces oceny innowacyjności pomysłu, możliwości jego realizacji oraz konkurencyjności rynkowej. W zarządzaniu innowacjami powszechnie stosowane są techniki i metody informatyczne, które wspomagają proces identyfikacji trendów, oceny rezultatów, oszacowania niezbędnych nakładów finansowych czy monitorowania rynku. Oznacza to, że należy regularnie monitorować stan wiedzy i techniki w tym obszarze w celu zapewnienia jak najbardziej owocnej współpracy na styku nauk informatycznych i zarządzania innowacjami. W ostatnich latach znaczący postęp osiągnięto w takich dziedzinach jak naukometria, wizualizacja tekstu i badanie opinii. W artykule dokonano przeglądu tych technik i omówiono sposób, w jaki mogą one wspomóc specjalistów zaangażowanych w realizację innowacyjnych programów.
    Źródło:
    Problemy Eksploatacji; 2014, 4; 73-82
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sentiment Classification of Bank Clients’ Reviews Written in the Polish Language
    Analiza sentymentu na podstawie polskojęzycznych recenzji klientów banku
    Autorzy:
    Idczak, Adam Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/2033889.pdf
    Data publikacji:
    2021-06-30
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    analiza sentymentu
    klasyfikacja dokumentów
    textmining
    regresja logistyczna
    naiwny klasyfikator Bayesa
    sentiment analysis
    opinion mining
    text classification
    text mining
    logistic regression
    naive Bayes classifier
    Opis:
    It is estimated that approximately 80% of all data gathered by companies are text documents. This article is devoted to one of the most common problems in text mining, i.e. text classification in sentiment analysis, which focuses on determining the sentiment of a document. A lack of defined structure of the text makes this problem more challenging. This has led to the development of various techniques used in determining the sentiment of a document. In this paper, a comparative analysis of two methods in sentiment classification, a naive Bayes classifier and logistic regression, was conducted. Analysed texts are written in the Polish language and come from banks. The classification was conducted by means of a bag‑of‑n‑grams approach, where a text document is presented as a set of terms and each term consists of n words. The results show that logistic regression performed better.
    Szacuje się, że około 80% wszystkich danych gromadzonych i przechowywanych w systemach informacyjnych przedsiębiorstw ma postać dokumentów tekstowych. Artykuł jest poświęcony jednemu z podstawowych problemów textminingu, tj. klasyfikacji tekstów w analizie sentymentu, która rozumiana jest jako badanie wydźwięku tekstu. Brak określonej struktury dokumentów tekstowych jest przeszkodą w realizacji tego zadania. Taki stan rzeczy wymusił rozwój wielu różnorodnych technik ustalania sentymentu dokumentów. W artykule przeprowadzono analizę porównawczą dwóch metod badania sentymentu: naiwnego klasyfikatora Bayesa oraz regresji logistycznej. Badane teksty są napisane w języku polskim, pochodzą z banków i mają charakter marketingowy. Klasyfikację przeprowadzono, stosując podejście bag‑of‑n‑grams. W ramach tego podejścia dokument tekstowy wyrażony jest za pomocą podciągów składających się z określonej liczby n wyrazów. Uzyskane wyniki pokazały, że lepiej spisała się regresja logistyczna.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2021, 2, 353; 43-56
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    „Śmieci na wejściu, śmieci na wyjściu”. Wpływ jakości koderów na działanie sieci neuronowej klasyfikującej wypowiedzi w mediach społecznościowych
    „Garbage in, Garbage out”. The Impact of Coders’ Quality on the Neural Network Classifying Text on Social Media
    Autorzy:
    Matuszewski, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/2131910.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sieci neuronowe
    klasyfikacja danych tekstowych
    modele nadzorowane
    opinion mining
    jakość koderów
    text classification
    neural networks
    supervised models
    quality of coders
    Opis:
    Jedna z głównych decyzji przy ręcznym kodowaniu danych tekstowych dotyczy tego, czy kodowanie ma być weryfikowane. W przypadku modeli nadzorowanych prowadzi to do istotnego dylematu: czy lepszym rozwiązaniem jest dostarczenie modelowi dużej liczby przypadków, na których będzie się uczyć kosztem weryfikacji poprawności danych, czy też zakodowanie każdego przypadku n-razy, co pozwoli porównać kody i sprawdzić ich poprawność, ale jednocześnie n-krotnie zmniejszy zbiór danych treningowych. Taka decyzja może zaważyć nie tylko na ostatecznych wynikach klasyfikatora. Z punktu widzenia badaczy jest istotna również dlatego, że – realistycznie zakładając, że badania mają ograniczone źródło finansowania – nie można jej cofnąć. Wykorzystując 100 tys. unikatowych i ręcznie zakodowanych tweetów przeprowadzono symulacje wyników klasyfikatora w zależności od kontrolowanego odsetka błędnie zakodowanych dokumentów. Na podstawie danych przedstawiono rekomendacje.
    One of the critical decisions when manually coding text data is whether to verify the coders’ work. In the case of supervised models, this leads to a significant dilemma: is it better to provide the model with a large number of cases on which it will learn at the expense of verifying the correctness of the data, or whether it is better to code each case n-times, which will allow to compare the codes and check their correctness but at the same time will reduce the training dataset by n-fold. Such a decision not only affect the final results of the classifier. From the researchers’ point of view, it is also crucial because, realistically assuming that research has limited funding, it cannot be undone. The study uses a simulation approach and provides conclusions and recommendations based on 100,000 unique and hand-coded tweets.
    Źródło:
    Studia Socjologiczne; 2022, 2; 137-164
    0039-3371
    Pojawia się w:
    Studia Socjologiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Customer product review summarization over time for competitive intelligence
    Autorzy:
    Amarouche, Kamal
    Benbrahim, Houda
    Kassou, Ismail
    Powiązania:
    https://bibliotekanauki.pl/articles/950925.pdf
    Data publikacji:
    2018
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    feature extraction
    fuzzy logic
    competitive intelligence
    opinion mining
    opinion summarization
    sentiment analysis
    SentiWordNet
    ekstrakcja cech
    logika rozmyta
    wywiad konkurencyjny
    eksploracja opinii
    podsumowanie opinii
    analiza nastrojów
    Opis:
    Nowadays, Customer’s product reviews can be widely found on the Web, be it in personal blogs, forums, or ecommerce websites. They contain important products’ information and therefore became a new data source for competitive intelligence. On that account, these reviews need to be analyzed and summarized in order to help the leader of an entity (company, brand, etc.) to make appropriate decisions in an efective way. However, most previous review summarization studies focus on summarizing sentiment distribution toward different product features without taking into account that the real advantages and disadvantages of a product clarify over time. For this reason, in this work we aim to propose a new system for product opinion summarization which depends on the time when reviews are expressed and that covers the sentiments change about product features. The proposed system firstly, generates a summary based on product features in order to give more accurate and efficient information about different features. secondly, classify the product based on its features in its appropriate class (good, medium or bad product) using a fuzzy logic system. The experimental results demonstrate the effectiveness of the proposed system to generate the real image of a product and its features in reviews.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2018, 12, 4; 70-82
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Aspect-based sentiment classification model employing whale-optimized adaptive neural network
    Autorzy:
    Balaganesh, Nallathambi
    Muneeswaran, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/2173622.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    aspect-based sentiment analysis
    whale optimization algorithm
    artificial neural network
    opinion mining
    analiza nastrojów oparta na aspektach
    algorytm optymalizacji wielorybów
    sztuczna sieć neuronowa
    eksploracja opinii
    Opis:
    Nowadays in e-commerce applications, aspect-based sentiment analysis has become vital, and every consumer started focusing on various aspects of the product before making the purchasing decision on online portals like Amazon, Walmart, Alibaba, etc. Hence, the enhancement of sentiment classification considering every aspect of products and services is in the limelight. In this proposed research, an aspect-based sentiment classification model has been developed employing sentiment whale-optimized adaptive neural network (SWOANN) for classifying the sentiment for key aspects of products and services. The accuracy of sentiment classification of the product and services has been improved by the optimal selection of weights of neurons in the proposed model. The promising results are obtained by analyzing the mobile phone review dataset when compared with other existing sentiment classification approaches such as support vector machine (SVM) and artificial neural network (ANN). The proposed work uses key features such as the positive opinion score, negative opinion score, and term frequency-inverse document frequency (TF-IDF) for representing each aspect of products and services, which further improves the overall effectiveness of the classifier. The proposed model can be compatible with any sentiment classification problem of products and services.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; art. no. e137271
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Aspect-based sentiment classification model employing whale-optimized adaptive neural network
    Autorzy:
    Balaganesh, Nallathambi
    Muneeswaran, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/2128172.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    aspect-based sentiment analysis
    whale optimization algorithm
    artificial neural network
    opinion mining
    analiza nastrojów oparta na aspektach
    algorytm optymalizacji wielorybów
    sztuczna sieć neuronowa
    eksploracja opinii
    Opis:
    Nowadays in e-commerce applications, aspect-based sentiment analysis has become vital, and every consumer started focusing on various aspects of the product before making the purchasing decision on online portals like Amazon, Walmart, Alibaba, etc. Hence, the enhancement of sentiment classification considering every aspect of products and services is in the limelight. In this proposed research, an aspect-based sentiment classification model has been developed employing sentiment whale-optimized adaptive neural network (SWOANN) for classifying the sentiment for key aspects of products and services. The accuracy of sentiment classification of the product and services has been improved by the optimal selection of weights of neurons in the proposed model. The promising results are obtained by analyzing the mobile phone review dataset when compared with other existing sentiment classification approaches such as support vector machine (SVM) and artificial neural network (ANN). The proposed work uses key features such as the positive opinion score, negative opinion score, and term frequency-inverse document frequency (TF-IDF) for representing each aspect of products and services, which further improves the overall effectiveness of the classifier. The proposed model can be compatible with any sentiment classification problem of products and services.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; e137271, 1--8
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies