nach oben

Erschienen in:

2019 | OriginalPaper | Buchkapitel

Emotional Concept Extraction Through Ontology-Enhanced Classification

verfasst von : Danilo Cavaliere, Sabrina Senatore

Erschienen in: Metadata and Semantic Research

Verlag: Springer International Publishing

Einloggen

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

search-config

KI-gestützte Suche

Aus

Abstract

Capturing emotions affecting human behavior in social media bears strategic importance in many decision-making fields, such as business and public policy, health care, and financial services, or just social events. This paper introduces an emotion-based classification model to analyze the human behavior in reaction to some event described by a tweet trend. From tweets analysis, the model extracts terms expressing emotions, and then, it builds a topological space of emotion-based concepts. These concepts enable the training of the multi-class SVM classifier to identify emotions expressed in the tweets. Classifier results are “softly” interpreted as a blending of several emotional nuances which thoroughly depicts people’s feeling. An ontology model captures the emotional concepts returned by classification, with respect to the tweet trends. The associated knowledge base provides human behavior analysis, in response to an event, by a tweet trend, by SPARQL queries.

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 RAMP Shapes: Declarative RDF ADT Mapping

Nächstes Kapitel A Classification of Grammar-Infused Templates for Ontology and Model Verbalisation

http://www.psychpage.com/learning/library/assess/feelings.html.

https://wiki.dbpedia.org/.

https://www.w3.org/2004/02/skos/.

AL-Sharuee, M.T., Liu, F., Pratama, M.: Sentiment analysis: an automatic contextual analysis and ensemble clustering approach and comparison. Data Knowl. Eng. 115, 194–213 (2018). https://doi.org/10.1016/j.datak.2018.04.001CrossRef

Alharbi, A.S.M., de Doncker, E.: Twitter sentiment analysis with a deep neural network: an enhanced approach using user behavioral information. Cogn. Syst. Res. 54, 50–61 (2019). https://doi.org/10.1016/j.cogsys.2018.10.001CrossRef

Çali, S., Balaman, Ş.Y.: Improved decisions for marketing, supply and purchasing: mining big data through an integration of sentiment analysis and intuitionistic fuzzy multi criteria assessment. Comput. Ind. Eng. 129, 315–332 (2019). https://doi.org/10.1016/j.cie.2019.01.051CrossRef

Cavaliere, D., Senatore, S., Loia, V.: Context-aware profiling of concepts from a semantic topological space. Knowl.-Based Syst. 130, 102–115 (2017). https://doi.org/10.1016/j.knosys.2017.05.008CrossRef

Cotelo, J., Cruz, F., Enríquez, F., Troyano, J.: Tweet categorization by combining content and structural knowledge. Inf. Fus. 31, 54–64 (2016). https://doi.org/10.1016/j.inffus.2016.01.002CrossRef

Hussein, D.M.E.D.M.: A survey on sentiment analysis challenges. J. King Saud Univ.-Eng. Sci. 30(4), 330–338 (2018). https://doi.org/10.1016/j.jksues.2016.04.002CrossRef

Li, X., Wu, C., Mai, F.: The effect of online reviews on product sales: a joint sentiment-topic analysis. Inf. Manag. 56(2), 172–184 (2019). https://doi.org/10.1016/j.im.2018.04.007, social Commerce and Social Media: Behaviors in the New Service EconomyCrossRef

Öztürk, N., Ayvaz, S.: Sentiment analysis on Twitter: a text mining approach to the Syrian refugee crisis. Telemat. Inform. 35(1), 136–147 (2018). https://doi.org/10.1016/j.tele.2017.10.006CrossRef

Poria, S., Cambria, E., Winterstein, G., Huang, G.B.: Sentic patterns: dependency-based rules for concept-level sentiment analysis. Knowl.-Based Syst. 69, 45–63 (2014). https://doi.org/10.1016/j.knosys.2014.05.005CrossRef

10.

Yaqub, U., Chun, S.A., Atluri, V., Vaidya, J.: Analysis of political discourse on Twitter in the context of the 2016 US presidential elections. Gov. Inf. Q. 34(4), 613–626 (2017). https://doi.org/10.1016/j.giq.2017.11.001CrossRef

11.

Yoo, S., Song, J., Jeong, O.: Social media contents based sentiment analysis and prediction system. Expert Syst. Appl. 105, 102–111 (2018). https://doi.org/10.1016/j.eswa.2018.03.055CrossRef

12.

Zeroual, I., Lakhouaja, A.: Data science in light of natural language processing: an overview. Procedia Comput. Sci. 127, 82–91 (2018). https://doi.org/10.1016/j.procs.2018.01.101. Proceedings of the first international conference on intelligent computing in data sciences, ICDS 2017CrossRef

13.

Zhang, F., Fleyeh, H., Wang, X., Lu, M.: Construction site accident analysis using text mining and natural language processing techniques. Autom. Constr. 99, 238–248 (2019). https://doi.org/10.1016/j.autcon.2018.12.016CrossRef

Titel: Emotional Concept Extraction Through Ontology-Enhanced Classification
verfasst von: Danilo Cavaliere
Sabrina Senatore
Verlag: Springer International Publishing
Buch: Metadata and Semantic Research
Print ISBN: 978-3-030-36598-1

Electronic ISBN: 978-3-030-36599-8

Copyright-Jahr: 2019
DOI: https://doi.org/10.1007/978-3-030-36599-8_5

Neuer Inhalt

Bildnachweise

VDI-Icon, Profil Icon, inhalt2, Springer Professional Modul/© Springer Fachmedien Wiesbaden GmbH, Nachhaltigkeitsaward Key Visual/© Cometis AG/Global ESG Monitor | Daniel Rupp | Generiert mit KI, Search Icon, Banner Hanser, Jonas Klose/© Pine Valley Capital GmbH, Carina Kießling von der Strategieberatung Roland Berger/© Monika Walther Fotografie | ATZ, Beijing Auto Show 2024: Deutsche Hersteller wollen angreifen./© EKH-Pictures / Generated with AI / Stock.adobe.com, Zeitschrift Wissensmanagement Cover, PatentFit-Logo/© Springer Fachmedien Wiesbaden GmbH, Zukunftswerkstatt Sales Excellence 2024/© AndreyPopov / Getty Images / iStock, 2023_Antrieb/© supervisuell, ATZ-Webinar: Prototypenfreie Entwicklung durch Offline- und Driver-in-the-Loop-HiL-Tests /© (c) VI-grade

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"

Neuer Inhalt

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

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