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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Percentile Transition Ranking Algorithm Applied to Binarization of Continuous Swarm Intelligence Metaheuristics Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Sarcasm Detection Using Features Based on Indicator and Roles

verfasst von : Satoshi Hiai, Kazutaka Shimada

Erschienen in: Recent Advances on Soft Computing and Data Mining

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Sarcasm is a non-literalistic expression and presents a negative meaning with positive expressions. Sarcasm detection is a significant challenge for sentiment analysis which is to analyze documents with opinions. In this study, we propose a method of sarcasm detection on Twitter. We focus on two kinds of feature words. One is words modified by the indicator “ ”. The other is words expressing a role. First, we extract these words from tweets. Next, our method uses the lists of these words for a machine learning approach to detect sarcastic tweets. The lists of extracted words are used as features in our method. In the experiment, we compare our method with a baseline based on the features in previous studies. The experimental result shows the effectiveness of our method.

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 Stock Market Prediction Using Keywords from Expert Articles
Nächstes Kapitel Reducing Computational Effort for Plagiarism Detection with Approximate String Matching
Fußnoten
Literatur
1.
Ghosh, A., Li, G., Veale, T., Rosso, P., Shutova, E., Barnden, J., Reyes, A.: Semeval-2015 task 11: sentiment analysis of figurative language in twitter. In: Proceedings 9th International Workshop on Semantic Evaluation (SemEval2015), Co-located with NAACL, pp. 470–478 (2015)
2.
Reyes, A., Rosso, P., Veale, T.: A multidimensional approach for detecting irony in twitter. Lang. Resour. Eval. 47(1), 239–268 (2013)CrossRef
3.
Joshi, A., Sharma, V., Bhattacharyya, P.: Harnessing context incongruity for sarcasm detection. In: Proceedings of ACL-IJCNLP, pp. 757–762 (2015)
4.
Karoui, J., Farah, B., Moriceau, V., Aussenac-Gilles, N., Hadrich-Belguith, L.: Towards a contextual pragmatic model to detect irony in tweets. In: Proceedings of ACL-IJCNLP, pp. 644–650 (2015)
5.
Riloff, E., Qadir, A., Surve, P., Silva, L.D., Gilbert, N., Huang, R.: Sarcasm as contrast between a positive sentiment and negative situation. In: Proceedings of EMNLP 2013, pp. 704–714 (2013)
6.
Campbell, J.D., Katz, A.N.: Are there necessary conditions for inducing a sense of sarcastic irony? Lang. Resour. Eval. 49(6), 459–480 (2012)
7.
Hernndez-Farias, I., Benedi, J.M., Rosso, P.: Applying basic features from sentiment analysis on automatic irony detection. In: Proceedings of 7th ibPRIA, pp. 337–344 (2015)
8.
Tungthamthiti, P., Shirai, K., Mohd, M.: Recognition of sarcasm in tweets based on concept level sentiment analysis and supervised learning approaches. In: Proceedings of the 28th PACLIC, pp. 404–413 (2014)
9.
Kobayashi, N., Inui, K., Matsumoto, Y., Tateishi, K., Fukushima, T.: Collecting evaluative expressions for opinion extraction. In: Proceedings of IJCNLP-04, pp. 584–589 (2004)
10.
Higashiyama, M., Inui, K., Matsumoto, Y.: Acquiring noun polarity knowledge using selectional preferences. In: Proceedings of the 14th Annual Meeting of the Association for NLP, pp. 584–587 (2008)
11.
Kaji, N., Kitsuregawa, M.: Building lexicon for sentiment analysis from massive collection of html documents. In: Proceedings of EMNLP-CoNLL, pp. 1075–1083 (2007)
12.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M.: Scikit-learn: machine learning in python. J. Mach. Learn. Res. 12, 2825–2830 (2011)MathSciNetMATH
Metadaten
Titel
Sarcasm Detection Using Features Based on Indicator and Roles
verfasst von
Satoshi Hiai
Kazutaka Shimada
Copyright-Jahr
2018
Buch
Recent Advances on Soft Computing and Data Mining

Print ISBN: 978-3-319-72549-9

Electronic ISBN: 978-3-319-72550-5

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-72550-5_40

Premium Partner

    Bildnachweise