Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
ESWC’14 Challenge on Concept-Level Sentiment Analysis Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

A Fuzzy System for Concept-Level Sentiment Analysis

verfasst von : Mauro Dragoni, Andrea G. B. Tettamanzi, Célia da Costa Pereira

Erschienen in: Semantic Web Evaluation Challenge

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

An emerging field within Sentiment Analysis concerns the investigation about how sentiment concepts have to be adapted with respect to the different domains in which they are used. In the context of the Concept-Level Sentiment Analysis Challenge, we presented a system whose aims are twofold: (i) the implementation of a learning approach able to model fuzzy functions used for building the relationships graph representing the appropriateness between sentiment concepts and different domains (Task 1); and (ii) the development of a semantic resource based on the connection between an extended version of WordNet, SenticNet, and ConceptNet, that has been used both for extracting concepts (Task 2) and for classifying sentences within specific domains (Task 3).

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel ESWC’14 Challenge on Concept-Level Sentiment Analysis
Nächstes Kapitel Unsupervised Fine-Grained Sentiment Analysis System Using Lexicons and Concepts
Fußnoten
Literatur
1.
Pang, B., Lee, L., Vaithyanathan, S.: Thumbs up? Sentiment classification using machine learning techniques. In: Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP), Philadelphia, Association for Computational Linguistics, pp. 79–86 (July 2002)
2.
Blitzer, J., Dredze, M., Pereira, F.: Biographies, bollywood, boom-boxes and blenders: domain adaptation for sentiment classification. In: Carroll, J.A., van den Bosch, A., Zaenen, A. (eds.) ACL, The Association for Computational Linguistics (2007)
3.
Bollegala, D., Weir, D.J., Carroll, J.A.: Cross-domain sentiment classification using a sentiment sensitive thesaurus. IEEE Trans. Knowl. Data Eng. 25(8), 1719–1731 (2013)CrossRef
4.
Xia, R., Zong, C., Hu, X., Cambria, E.: Feature ensemble plus sample selection: domain adaptation for sentiment classification. IEEE Int. Syst. 28(3), 10–18 (2013)CrossRef
5.
Ponomareva, N., Thelwall, M.: Semi-supervised vs. cross-domain graphs for sentiment analysis. In: Angelova, G., Bontcheva, K., Mitkov, R. (eds.) RANLP, RANLP 2011 Organising Committee/ACL, pp. 571–578 (2013)
6.
Tsai, A.C.R., Wu, C.E., Tsai, R.T.H., Hsu, J.Y.: Building a concept-level sentiment dictionary based on commonsense knowledge. IEEE Int. Syst. 28(2), 22–30 (2013)CrossRef
7.
Fellbaum, C.: WordNet: An Electronic Lexical Database. MIT Press, Cambridge (1998)MATH
8.
Kipfer, B.A.: Roget’s 21st Century Thesaurus, vol. 3. Random House, New York (2005)
9.
Cambria, E., Speer, R., Havasi, C., Hussain, A.: Senticnet: a publicly available semantic resource for opinion mining. In: AAAI Fall Symposium: Commonsense Knowledge. Volume FS-10-02 of AAAI Technical report, AAAI (2010)
10.
Liu, H., Singh, P.: ConceptNet: a practical commonsense reasoning tool-kit. BT Technol. J. 22(4), 211–226 (2004)MathSciNetCrossRef
11.
Zadeh, L.A.: The concept of a linguistic variable and its application to approximate reasoning - I. Inf. Sci. 8(3), 199–249 (1975)MathSciNetCrossRefMATH
12.
Chang, C.C., Lin, C.J.: LIBSVM: a library for support vector machines. ACM TIST 2(3), 27 (2011)
13.
Metadaten
Titel
A Fuzzy System for Concept-Level Sentiment Analysis
verfasst von
Mauro Dragoni
Andrea G. B. Tettamanzi
Célia da Costa Pereira
Copyright-Jahr
2014
Buch
Semantic Web Evaluation Challenge

Print ISBN: 978-3-319-12023-2

Electronic ISBN: 978-3-319-12024-9

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-12024-9_2

Neuer Inhalt

    Bildnachweise