Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mô Hình Phân Tích Cảm Xúc Cải Tiến Trên Dữ Liệu Twitter Sử Dụng Thuật Toán Tối Ưu Hóa Tối Ưu Ngẫu Nhiên (SGD) Trong Mạng Nơ-ron Ngẫu Nhiên (SGNN)
Tóm tắt
Phân tích cảm xúc là một trong những kỹ thuật hiệu quả để khai thác ý kiến từ dữ liệu không có hình thức như đánh giá sản phẩm, đánh giá phim. Phân tích cảm xúc được sử dụng như một chìa khóa để thu thập phản hồi từ người tiêu dùng, đánh giá thương hiệu, phân tích tiếp thị và các chiến dịch chính trị. Trong lĩnh vực xử lý ngôn ngữ tự nhiên, việc thực hiện phân tích cảm xúc bằng dữ liệu thu được từ Twitter được xem là một nghiên cứu mới trong thời gian gần đây. Bộ dữ liệu được thu thập bằng cách sử dụng API Twitter và gói Twitter. Phân tích dữ liệu Twitter là một quá trình diễn ra tự động qua việc phân tích dữ liệu văn bản để xác định quan điểm của công chúng về một chủ đề cụ thể. Ở đây, một mô hình phân tích cảm xúc cải tiến được đề xuất để xác định độ chính xác của các tweet như tích cực, trung lập và tiêu cực. Trong bài báo này, thuật toán giảm gradient ngẫu nhiên (SGD) sử dụng mạng nơ-ron ngẫu nhiên (SGNN) để phân loại phân tích cảm xúc dựa trên các tweet được cung cấp bởi người dùng Twitter và thuật toán tối ưu hóa giảm gradient ngẫu nhiên đề xuất (SGDOA-SGNN) cung cấp hiệu suất tốt hơn khi so với thuật toán tối ưu hóa rừng cá voi dựa trên mạng nơ-ron sâu (F-WOA-DNN) hiện có.
Từ khóa
#phân tích cảm xúc #dữ liệu Twitter #tối ưu hóa gradient ngẫu nhiên #mạng nơ-ron ngẫu nhiên #thuật toán tối ưu hóaTài liệu tham khảo
Basarslan MS, Kayaalp F. Sentiment analysis with machine learning methods on social media. Adv Distrib Comput Artif Intell J 9(3) (2020)
Mathur A, Kubde P, Vaidya S. Emotional analysis using twitter data during pandemic situation: Covid-19. In: IEEE transactions on electronics systems. 2020. pp 845–8.
Gandhi UD, Malarvizhi Kumar P, Chandra Babu G, Karthick G. Sentiment analysis on twitter data by using convolutional neural network (CNN) and long short-term memory (LSTM). Wirel Pers Commun. 2021. https://doi.org/10.1007/s11277-021-08580-3.
Jianqiang Z, Xiaolin G, Xuejun Z. Deep convolution neural networks for twitter sentiment analysis. IEEE Access. 2018;6:23253–60.
Villavicencio C, Macrohon JJ, Alphonse Inbaraj X, Jeng JH, Hsieh JG. Twitter sentiment analysis towards COVID-19 vaccines in the Philippines using naïve bayes. Information. 2021;12(5):204.
Nistor SC, Moca M, Moldovan D, Oprean DB, Nistor RL. Building a Twitter sentiment analysis system with recurrent neural networks. Sensors. 2021;21(7):2266.
Bibi M, Abbasi WA, Aziz W, Khalil S, Uddin M, Iwendi C, Gadekallu TR. A novel unsupervised ensemble framework using concept-based linguistic methods and machine learning for twitter sentiment analysis. Pattern Recogn Lett. 2022;158:80–6.
Trivedi SK, Singh A. Twitter sentiment analysis of app based online food delivery companies. Global Knowl Memory Commun. 2021.
AlBadani B, Shi R, Dong J. A novel machine learning approach for sentiment analysis on Twitter incorporating the universal language model fine-tuning and SVM. Appl Syst Innov. 2022;5(1):13.
Valle-Cruz D, Fernandez-Cortez V, López-Chau A, Sandoval-Almazán R. Does twitter affect stock market decisions? Financial sentiment analysis during pandemics: a comparative study of the h1n1 and the COVID-19 periods. Cogn Comput. 2022;14(1):372–87.
Naseem U, Razzak I, Khushi M, Eklund PW, Kim J. COVIDSenti: a large-scale benchmark Twitter data set for COVID-19 sentiment analysis. IEEE Trans Comput Soc Syst. 2021;8(4):1003–15.
Srivastava A, Singh V, Drall GS. Sentiment analysis of twitter data: a hybrid approach. Int J Healthcare Inform Syst Inform (IJHISI). 2019;14(2):1–16.
Rodrigues AP, Chiplunkar NN. A new big data approach for topic classification and sentiment analysis of Twitter data. Evol Intell. 2022;15:877–87.
López-Chau A, Valle-Cruz D, Sandoval-Almazán R. Sentiment analysis of Twitter data through machine learning techniques. In: Software engineering in the era of cloud computing. Springer, Cham. 2020. pp. 185–209.
Zainuddin N, Selamat A, Ibrahim R. Hybrid sentiment classification on twitter aspect-based sentiment analysis. Appl Intell. 2018;48(5):1218–32.
Kumar A, Garg G. Sentiment analysis of multimodal twitter data. Multimedia Tools Appl. 2019;78(17):24103–19.
Saad SE, Yang J. Twitter sentiment analysis based on ordinal regression. IEEE Access. 2019;7:163677–85.
Wang Z, Qian X. Text categorization based on LDA and SVM. In: 2018 International on Computer Science and Software Engineering, vol. 1. 2018. pp. 674–677.
Deepa N, Prabadevi B, Maddikunta PK, Gadekallu TR, Thar Baker M, Khan A, Tariq U. An AI-based intelligent system for healthcare analysis using Ridge-Adaline Stochastic Gradient Descent Classifier. J Supercomput. 2021;77(2):1998–2017.
Kayıkçı Ş. SenDemonNet: sentiment analysis for demonetization tweets using heuristic deep neural network. Multimed Tools Appl. 2022;81(8):11341–78.