nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

An Experimental Evaluation of Algorithms for Opinion Mining in Multi-domain Corpus in Albanian

verfasst von : Nelda Kote, Marenglen Biba, Evis Trandafili

Erschienen in: Foundations of Intelligent Systems

Verlag: Springer International Publishing

Einloggen

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

search-config

KI-gestützte Suche

Aus

Abstract

Opinion mining is an important tool to find out what others think about something. Most of methods used for opinion mining are based on machine learning. In this paper we present an experimental evaluation of machine learning algorithms used for opinion mining in a multi-domain corpus in Albanian language. We have created 11 multi-domains corpuses combining the opinions from 5 different topics. The opinions are classified as positive or negative. All the corpuses are used to train and test for opinion mining the performance of 50 classification algorithms. Out of these, there are seven best performing algorithms out of which three are based on Naïve Bayes.

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 Initial Analysis of Multivariate Factors for Prediction of Shark Presence and Attacks on the Coast of North Carolina

Nächstes Kapitel Predicting Author’s Native Language Using Abstracts of Scholarly Papers

Liu, B.: Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers (2012)

Hastie, T., Tibshirani, R., Friedman, J.: Unsupervised Learning. In: Hastie, T., Friedman, J., Tibshirani, R. (eds.) The Elements of Statistical Learning. SSS, pp. 485–585. Springer, New York (2009). https://doi.org/10.1007/978-0-387-84858-7_14CrossRefMATH

Unnisa, M., Ameen, A., Raziuddin, S.: Opinion mining on Twitter data using unsupervised learning technique. Int. J. Comput. Appl. 148(12), 12–19 (2016). https://doi.org/10.5120/ijca2016911317CrossRef

Gautam, G., Yadav, D.: Sentiment analysis of twitter data using machine learning approaches and semantic analysis. In: Seventh International Conference on Contemporary Computing (IC3), pp. 437–442 (2014)

Pang, B., Lee, L., Vaithyanathan, S.: Thumbs up? Sentiment classification using machine learning techniques. In: Proceedings of the ACL-2002 Conference on Empirical Methods in Natural Language Processing, vol. 10, pp. 79–86 (2002). https://doi.org/10.3115/1118693.1118704

Tripathy, A., Agrawal, A., Rath, S.K.: Classification of sentiment reviews using n-gram machine learning approach. Expert Syst. Appl. 57(C), 117–126 (2016). https://doi.org/10.1016/j.eswa.2016.03.028CrossRef

Perea-Ortega, M.J., Martín-Valdivia, T.M., Ureña-López, A.L., Martínez-Cámara, E.: Improving polarity classification of bilingual parallel corpora combining machine learning and semantic orientation approaches. J. Assoc. Inf. Sci. Technol. 64(9), 1864–1877 (2013). https://doi.org/10.1002/asi.22884CrossRef

Li, S.S., Huang, C.R., Zong, C.Q.: Multi-domain sentiment classification with classifier combination. J. Comput. Sci. Technol. 26(1), 25–33 (2011). https://doi.org/10.1007/s11390-011-9412-yCrossRef

Wu, F., Huang, Y.: Collaborative multi-domain sentiment classification data mining. In: IEEE International Conference on Data Mining (2015). https://doi.org/10.1109/icdm.2015.68

10.

Lommatzsch, A., Butow F., Ploch, D., Albayrak, S.: Towards the automatic sentiment analysis of German news and forum documents. In: 17th International Conference on Innovations for Community Services, pp. 18–33 (2017). https://doi.org/10.1007/978-3-319-60447-3_2CrossRef

11.

Farra, N., Challita, E., Assi, A.R., Hajj, H.: Sentence-level and document-level sentiment mining for Arabic texts. In: IEEE International Conference on Data Mining Workshops (ICDMW) (2010). https://doi.org/10.1109/icdmw.2010.95

12.

Miranda, H.C., Guzmán, J.: A review of sentiment analysis in Spanish. Tecciencia, 12(22), 35–48 (2017). Bogotá. http://dx.doi.org/10.18180/tecciencia.2017.22.5

13.

Catal, C., Nangir, M.: A sentiment classification model based on multiple classifiers. Appl. Soft Comput. J. 50, 135–141 (2017). https://doi.org/10.1016/j.asoc.2016.11.022CrossRef

14.

Biba, M., Mane, M.: Sentiment analysis through machine learning: an experimental evaluation for Albanian. In: Thampi, S., Abraham, A., Pal, S., Rodriguez, J. (eds.) Recent Advances in Intelligent Informatics, Part of the Advances in Intelligent Systems and Computing (AISC), vol. 235, pp. 195–203. Springer, Cham (2014). doi: https://doi.org/10.1007/978-3-319-01778-5_20

15.

Kote, N., Biba, M., Trandafili, E.: A thorough experimental evaluation of algorithms for opinion mining in Albanian. In: Barolli, L., Xhafa, F., Javaid, N., Spaho, E., Kolici, V. (eds.) EIDWT 2018: Advances in Internet, Data & Web Technologies, vol. 17, pp. 525–536. Springer, Cham (2018). https://doi.org/10.1007/978-3-319-75928-9_47CrossRef

16.

Sadiku, J., Biba, M.: Automatic stemming of Albanian through a rule-based approach. J. Int. Res. Publ. Lang. Individ. Soc. 6 (2012). ISSN-1313-2547

17.

Witten, H.I., Frank, E., Hall, A.M., Pal, J.C.: Data Mining, Practical Machine Learning Tools and Techniques, 4th edn. Elsevier Inc., Amsterdam (2017). ISBN: 9780128042915CrossRef

Titel: An Experimental Evaluation of Algorithms for Opinion Mining in Multi-domain Corpus in Albanian
verfasst von: Nelda Kote
Marenglen Biba
Evis Trandafili
Verlag: Springer International Publishing
Buch: Foundations of Intelligent Systems
Print ISBN: 978-3-030-01850-4

Electronic ISBN: 978-3-030-01851-1

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-030-01851-1_42

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

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

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"