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:
Digital Image Watermarking Using Sine Transform Technique Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Sentiment Analysis of Twitter Data Using Big Data Tools and Hadoop Ecosystem

verfasst von : Monica Malik, Sameena Naaz, Iffat Rehman Ansari

Erschienen in: Proceedings of the International Conference on ISMAC in Computational Vision and Bio-Engineering 2018 (ISMAC-CVB)

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Sentiment analysis and opinion mining help in the analysis of people’s views, opinions, attitudes, emotions and sentiments. In this twenty-first century, huge amount of opinionated data recorded in the digital form is available for analysis. The demand of sentiment analysis occupies the same space with the growth of social media such as Twitter, Facebook, Quora, blogs, microblogs, Instagram and other social networks. In this research work, the most popular microblogging site ‘twitter’ has been used for sentiment analysis. People’s views, opinions, attitudes, emotions and sentiments on an outdoor game ‘Lawn Tennis’ have been used for the analysis. This is done by analysing people’s positive, neutral and negative reviews posted on Twitter. Through this it has been analysed that how many people around the world really like this game and how popular this game is in different countries.

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 Video Frame Interpolation Using Deep Convolutional Neural Network
Nächstes Kapitel Detection of Chemically Ripened Fruits Based on Visual Features and Non-destructive Sensor Techniques
Literatur
1.
Ingle A, Kante A, Samak S, Kumari A (2015) Sentiment analysis of twitter data using hadoop. Int J Eng Res Gen Sci 3(6)
2.
3.
Hu M, Liu B (2004) Mining and summarizing customer reviews. In: Proceedings of the tenth ACM SIGKDD international conference on knowledge discovery and data mining. ACM, pp 168–177
4.
Kim SM, Hovy E (2004) Determining the sentiment of opinions. In: Proceedings of the 20th international conference on computational linguistics. Association for Computational Linguistics, p 1367
5.
Wilson T, Hoffmann P, Somasundaran S, Kessler J, Wiebe J, Choi Y … Patwardhan S (2005) OpinionFinder: a system for subjectivity analysis. In:: Proceedings of hlt/emnlp on interactive demonstrations. Association for Computational Linguistics, pp 34–35
6.
Bekkerman R, Gavish M (2011) High-precision phrase-based document classification on a modern scale. In: Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, pp 231–239
7.
Go A, Bhayani R, Huang L (2009) Twitter sentiment classification using distant supervision. CS224 N Project Report, Stanford 1(12)
8.
Bermingham A, Smeaton AF (2010) Classifying sentiment in microblogs: is brevity an advantage? In: Proceedings of the 19th ACM international conference on Information and knowledge management. ACM, pp 1833–1836
9.
Pak A, Paroubek P (2010) Twitter as a corpus for sentiment analysis and opinion mining. In: LREc, vol 10, No. 2010
10.
Agarwal A, Xie B, Vovsha I, Rambow O, Passonneau R (2011) Sentiment analysis of twitter data. In: Proceedings of the workshop on languages in social media. Association for Computational Linguistics, pp 30–38
11.
Barbosa L, Feng J (2010) Robust sentiment detection on twitter from biased and noisy data. In: Proceedings of the 23rd international conference on computational linguistics: posters. Association for Computational Linguistics, pp 36–44
12.
Aue A, Gamon M (2005) Customizing sentiment classifiers to new domains: a case study. In: Proceedings of recent advances in natural language processing (RANLP), vol 1, No. 3.1, pp 2–1
13.
Zhu X, Ghahramani Z (2002) Learning from labeled and unlabeled data with label propagation
Metadaten
Titel
Sentiment Analysis of Twitter Data Using Big Data Tools and Hadoop Ecosystem
verfasst von
Monica Malik
Sameena Naaz
Iffat Rehman Ansari
Copyright-Jahr
2019
Buch
Proceedings of the International Conference on ISMAC in Computational Vision and Bio-Engineering 2018 (ISMAC-CVB)

Print ISBN: 978-3-030-00664-8

Electronic ISBN: 978-3-030-00665-5

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-00665-5_83

Neuer Inhalt

    Bildnachweise