論文の概要: Sentiment Analysis with R: Natural Language Processing for Semi-Automated Assessments of Qualitative Data

• arxiv url: http://arxiv.org/abs/2206.12649v1
• Date: Sat, 25 Jun 2022 13:25:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-03 06:16:59.176674
• Title: Sentiment Analysis with R: Natural Language Processing for Semi-Automated Assessments of Qualitative Data
• Title（参考訳）: 定性的データの半自動評価のためのR-自然言語処理による感性分析
• Authors: Dennis Klinkhammer
• Abstract要約: 本チュートリアルでは、Rを用いて感情分析を行うための基本的な機能を紹介し、テキスト文書を段階的に分析する方法を説明する。 2つの政治演説の比較は、可能なユースケースを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sentiment analysis is a sub-discipline in the field of natural language processing and computational linguistics and can be used for automated or semi-automated analyses of text documents. One of the aims of these analyses is to recognize an expressed attitude as positive or negative as it can be contained in comments on social media platforms or political documents and speeches as well as fictional and nonfictional texts. Regarding analyses of comments on social media platforms, this is an extension of the previous tutorial on semi-automated screenings of social media network data. A longitudinal perspective regarding social media comments as well as cross-sectional perspectives regarding fictional and nonfictional texts, e.g. entire books and libraries, can lead to extensive text documents. Their analyses can be simplified and accelerated by using sentiment analysis with acceptable inter-rater reliability. Therefore, this tutorial introduces the basic functions for performing a sentiment analysis with R and explains how text documents can be analysed step by step - regardless of their underlying formatting. All prerequisites and steps are described in detail and associated codes are available on GitHub. A comparison of two political speeches illustrates a possible use case.
• Abstract（参考訳）: 感性分析は自然言語処理と計算言語学の分野におけるサブ分野であり、テキスト文書の自動または半自動解析に使用できる。 これらの分析の目的の1つは、ソーシャルメディアプラットフォームや政治文書やスピーチ、フィクションやノンフィクションのテキストのコメントに含まれるように表現された態度を肯定的あるいは否定的に認識することである。 ソーシャルメディアプラットフォームにおけるコメントの分析は、ソーシャルメディア・ネットワークデータの半自動スクリーニングに関する以前のチュートリアルの延長である。 ソーシャルメディアのコメントに関する縦断的な見解と、フィクションやノンフィクションのテキストに関する断続的な視点、例えば全書や図書館は、広範な文書に繋がる可能性がある。 これらの分析は, 信頼度の高い感情分析を用いて, 簡易化と高速化が可能である。 そこで本チュートリアルでは,Rを用いて感情分析を行う基本機能を紹介し,その基礎となるフォーマットによらず,段階的に文書を解析する方法を説明する。 必須条件とステップはすべて詳細に説明されており、関連するコードはgithubで公開されている。 2つの政治演説の比較は、考えられるユースケースを示している。

関連論文リスト

• A Comprehensive Review on Sentiment Analysis: Tasks, Approaches and Applications [0.2717221198324361]
  感性分析(SA)はテキストマイニングにおける新たな分野である。 これは、異なるソーシャルメディアプラットフォーム上でテキストで表現された意見を計算的に識別し、分類するプロセスである。
  論文  参考訳（メタデータ） (2023-11-19T06:29:41Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• Emotion Analysis using Multi-Layered Networks for Graphical Representation of Tweets [0.10499611180329801]
  そこで本稿では,複数層ネットワーク(MLN)を用いたソーシャルメディアテキストのグラフィカルなモデル化手法を提案する。 最先端のグラフニューラルネットワーク(GNN)は、Tweet-MLNから情報を抽出し、抽出したグラフの特徴に基づいて予測を行う。 その結果、MLTAはより大きな感情から予測し、通常のポジティブ、ネガティブ、中立的な感情よりも正確な感情を提供するだけでなく、Twitterデータのグループレベルの正確な予測を可能にしている。
  論文  参考訳（メタデータ） (2022-07-02T20:26:55Z)
• Discourse Analysis for Evaluating Coherence in Video Paragraph Captions [99.37090317971312]
  ビデオ段落のコヒーレンスを評価するための,新しい談話に基づく枠組みを検討中である。 ビデオのコヒーレンスに条件付き段落のコヒーレンスをモデル化する上で,ビデオの談話表現が中心となる。 実験の結果,提案手法は,ビデオ段落のコヒーレンスをベースライン法よりも有意に向上させることがわかった。
  論文  参考訳（メタデータ） (2022-01-17T04:23:08Z)
• Leveraging Pre-trained Language Model for Speech Sentiment Analysis [58.78839114092951]
  本研究では、事前学習された言語モデルを用いて、文章の感情情報を学習し、音声の感情分析を行う。 本稿では,言語モデルを用いた擬似ラベルに基づく半教師付き訓練戦略を提案する。
  論文  参考訳（メタデータ） (2021-06-11T20:15:21Z)
• TextEssence: A Tool for Interactive Analysis of Semantic Shifts Between Corpora [14.844685568451833]
  TextEssenceは、埋め込みを用いたコーポラの比較分析を可能にするインタラクティブなシステムです。 TextEssenceには、軽量なWebベースのインターフェイスに、ビジュアル、隣り合わせ、および類似性ベースの組み込み分析モードが含まれています。
  論文  参考訳（メタデータ） (2021-03-19T21:26:28Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
  本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。 我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。 我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
  論文  参考訳（メタデータ） (2020-08-21T20:59:34Z)
• A computational model implementing subjectivity with the 'Room Theory'. The case of detecting Emotion from Text [68.8204255655161]
  本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。 単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。 この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
  論文  参考訳（メタデータ） (2020-05-12T21:26:04Z)
• Language Independent Sentiment Analysis [0.38233569758620045]
  複数の言語からのテキストを含むデータに対する感情分析のための一般的な手法を提案する。 これにより、すべてのアプリケーションが言語に依存しない、あるいは言語に依存しない方法で感情分析の結果を利用することができる。
  論文  参考訳（メタデータ） (2019-12-27T03:20:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。