論文の概要: A Comprehensive Review on Sentiment Analysis: Tasks, Approaches and
Applications
- arxiv url: http://arxiv.org/abs/2311.11250v1
- Date: Sun, 19 Nov 2023 06:29:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-21 21:20:29.625009
- Title: A Comprehensive Review on Sentiment Analysis: Tasks, Approaches and
Applications
- Title(参考訳): 感性分析に関する総合的レビュー:課題・アプローチ・応用
- Authors: Sudhanshu Kumar (1), Partha Pratim Roy (1), Debi Prosad Dogra (2),
Byung-Gyu Kim (3) ((1) Department of Computer Science and Engineering, IIT
Roorkee, India, (2) School of Electrical Sciences, IIT Bhubaneswar, Odisha,
India, (3) Department of IT Engineering, Sookmyung Women's University, Seoul,
South Korea)
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.2717221198324361
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sentiment analysis (SA) is an emerging field in text mining. It is the
process of computationally identifying and categorizing opinions expressed in a
piece of text over different social media platforms. Social media plays an
essential role in knowing the customer mindset towards a product, services, and
the latest market trends. Most organizations depend on the customer's response
and feedback to upgrade their offered products and services. SA or opinion
mining seems to be a promising research area for various domains. It plays a
vital role in analyzing big data generated daily in structured and unstructured
formats over the internet. This survey paper defines sentiment and its recent
research and development in different domains, including voice, images, videos,
and text. The challenges and opportunities of sentiment analysis are also
discussed in the paper.
\keywords{Sentiment Analysis, Machine Learning, Lexicon-based approach, Deep
Learning, Natural Language Processing}
- Abstract(参考訳): 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。
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。
ソーシャルメディアは、製品、サービス、そして最新の市場トレンドに対する顧客のマインドセットを知る上で重要な役割を果たす。
ほとんどの組織は、提供された製品やサービスをアップグレードするための顧客の反応とフィードバックに依存しています。
SAや世論調査は諸藩にとって有望な研究分野であると思われる。
インターネット上の構造化および非構造化フォーマットで毎日発生するビッグデータを分析する上で重要な役割を果たす。
本研究は,音声,画像,映像,テキストなど様々な分野における感情と最近の研究・開発について述べる。
感情分析の課題と機会についても論文で論じている。
\keywords{Sentiment Analysis, Machine Learning, Lexicon-based approach, Deep Learning, Natural Language Processing}
関連論文リスト
- A Literature Review of Literature Reviews in Pattern Analysis and
Machine Intelligence [62.90682521144006]
この分析は、様々な観点からPAMI分野のレビューを徹底的にレビューすることを目的としている。
書評を自動評価するために,大規模言語モデルを用いた書評指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
論文 参考訳(メタデータ) (2024-02-20T11:28:50Z) - Sentiment Analysis in the Era of Large Language Models: A Reality Check [69.97942065617664]
本稿では,大規模言語モデル(LLM)の様々な感情分析タスクの実行能力について検討する。
26のデータセット上の13のタスクのパフォーマンスを評価し、ドメイン固有のデータセットに基づいて訓練された小言語モデル(SLM)と比較した。
論文 参考訳(メタデータ) (2023-05-24T10:45:25Z) - Exploring Sentiment Analysis Techniques in Natural Language Processing:
A Comprehensive Review [0.15229257192293202]
感性分析(英: Sentiment Analysis、SA)は、テキストによる感情の検出と理解を自動化するプロセスである。
SAは自然言語処理(NLP)の分野で大きな人気を集めている。
本研究の目的は,SAプロセスの効率性と精度の向上であり,よりスムーズでエラーのない結果をもたらすことである。
論文 参考訳(メタデータ) (2023-05-24T07:48:41Z) - Types of Approaches, Applications and Challenges in the Development of
Sentiment Analysis Systems [0.0]
知覚分析は自然言語処理と機械学習の重要な応用の1つである。
何百万ものコメントが毎日記録され、大量の構造化されていないテキストデータを生成する。
論文 参考訳(メタデータ) (2023-03-09T15:18:34Z) - EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble
Architecture [63.85863519876587]
Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。
本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
論文 参考訳(メタデータ) (2023-01-30T11:56:08Z) - Learning in Audio-visual Context: A Review, Analysis, and New
Perspective [88.40519011197144]
本調査は,聴覚・視覚領域の研究を体系的に整理し,分析することを目的とする。
計算研究に影響を与えた重要な発見をいくつか紹介する。
本稿では,音声視覚シーン理解の新しい視点を提案するとともに,音声視覚学習領域の今後の可能性について論じ,分析する。
論文 参考訳(メタデータ) (2022-08-20T02:15:44Z) - A Comprehensive Review of Visual-Textual Sentiment Analysis from Social
Media Networks [2.048226951354646]
ソーシャルメディアネットワークは人々の生活の重要な側面となり、彼らの考え、意見、感情のプラットフォームとして機能している。
これらの感情を分析することで、ブランド評価、YouTubeの映画レビュー、ヘルスケアアプリケーションなど、さまざまな応用が明らかになった。
本研究では、ソーシャルメディア上に投稿された視覚的・テキスト的データを調査するマルチモーダル感情分析の分野に焦点を当てた。
論文 参考訳(メタデータ) (2022-07-05T16:28:47Z) - Tweets Sentiment Analysis via Word Embeddings and Machine Learning
Techniques [1.345251051985899]
本論文では、感情分類のための特徴選択モデルWord2vecと機械学習アルゴリズムランダムフォレストを用いて、リアルタイムの2019年選挙Twitterデータに対する感情分析を行うことを目的とする。
Word2vecはテキスト中の単語の文脈意味を考慮し、特徴の質を改善し、機械学習と感情分析の精度を向上させる。
論文 参考訳(メタデータ) (2020-07-05T08:10:30Z) - Sentiment Analysis on Customer Responses [0.0]
そこでは、意見マイニング、テキストマイニング、感情を利用する。
本研究は, スマートフォンを肯定的, 否定的, 中立的行動に分け, さまざまな意見の感傷的分析を行う。
論文 参考訳(メタデータ) (2020-07-05T04:50:40Z) - Survey on Visual Sentiment Analysis [87.20223213370004]
本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。
また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。
様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
論文 参考訳(メタデータ) (2020-04-24T10:15:22Z) - ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine
Reading Comprehension [53.037401638264235]
我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。
評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
論文 参考訳(メタデータ) (2019-12-29T07:27:23Z)
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。