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:
Non-parametric e-mixture of Density Functions Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Sentiment and Behavior Analysis of One Controversial American Individual on Twitter

verfasst von : J. Eliakin M. de Oliveira, Moshe Cotacallapa, Wilson Seron, Rafael D. C. dos Santos, Marcos G. Quiles

Erschienen in: Neural Information Processing

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Social media is a convenient tool for expressing ideas and a powerful means for opinion formation. In this paper, we apply sentiment analysis and machine learning techniques to study a controversial American individual on Twitter., aiming to grasp temporal patterns of opinion changes and the geographical distribution of sentiments (positive, neutral or negative), in the American territory. Specifically, we choose the American TV presenter and candidate for the Republican party nomination, Donald J. Trump. The results acquired aim to elucidate some interesting points about the data, such as: what is the distribution of users considering a match between their sentiment and their relevance? Which clusters can we get from the temporal data of each state? How is the distribution of sentiments, before and after, the first two Republican party debates?

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 A New Model and Heuristic for Infection Minimization by Cutting Relationships
Nächstes Kapitel Emotion Recognition Using Multimodal Deep Learning
Fußnoten
3
CP in WashingtonCP means City Press.
 
4
chrislhayes and CGasparino are journalists; mckaycoppins is a political writer.
 
Literatur
1.
Thelwall, M., Buckley, K., Paltoglou, G., Cai, D., Kappas, A.: Sentiment in short strength detection informal text. J. Am. Soc. Inf. Sci. Technol. 61(12), 2544–2558 (2010)CrossRef
2.
Prabowo, R., Thelwall, M.: Sentiment analysis: a combined approach. J. Informetrics 3(2), 143–157 (2009)CrossRef
3.
Mishra, N., Jha, C.K.: Article: classification of opinion mining techniques. Int. J. Comput. Appl. 56(13), 1–6 (2012)
4.
Stieglitz, S., Dang-Xuan, L.: Social media and political communication: a social media analytics framework. Soc. Netw. Anal. Min. 3, 1277–1291 (2012)CrossRef
5.
Jungherr, A., Jürgens, P., Schoen, H.: Why the pirate party won the german election of 2009 or the trouble with predictions. Soc. Sci. Comput. Rev. 30(2), 229–234 (2012)CrossRef
6.
Ringsquandl, M., Petkovic, D.: Analyzing political sentiment on Twitter. In: AAAI Spring Symposium: Analyzing Microtext (2013)
7.
Seron, W., Zorzal, E., Quiles, M.G., Basgalupp, M.P., Breve, F.A.: #Worldcup2014 on Twitter. In: Gervasi, O., Murgante, B., Misra, S., Gavrilova, M.L., Rocha, A.M.A.C., Torre, C., Taniar, D., Apduhan, B.O. (eds.) ICCSA 2015. LNCS, vol. 9155, pp. 447–458. Springer, Heidelberg (2015)CrossRef
8.
Soelistio, Y.E., Surendra, M.R.S.: Simple text mining for sentiment analysis of political figure using naive bayes classifier method. CoRR abs/1508.05163 (2015)
9.
Wang, H., Can, D., Kazemzadeh, A., Bar, F., Narayanan, S.: A system for real-time Twitter sentiment analysis of 2012 U.S. presidential election cycle. In: ACL 2012 System Demonstrations, ACL 2012, pp. 115–120 (2012)
10.
Mejova, Y., Srinivasan, P., Boynton, B.: Gop primary season on Twitter: “popular” political sentiment in social media. In: Sixth ACM International Conference on Web Search and Data Mining, WSDM 2013, pp. 517–526 (2013)
11.
Taheri, S., Mammadov, M., Bagirov, A.M.: Improving naive bayes classifier using conditional probabilities. In: Ninth Australasian Data Mining Conference, AusDM 2011, vol. 121, pp. 63–68 (2011)
12.
Morstatter, F., Pfeffer, J., Liu, H., Carley, K.: Is the sample good enough? Comparing data from Twitter’s streaming API with Twitter’s firehose. In: International AAAI Conference on Weblogs and Social Media (2013)
13.
Das, S., Chen, M.: Yahoo! for Amazon: extracting market sentiment from stock message boards. In: Asia Pacific Finance Association Annual Conference (APFA) (2001)
14.
Pang, B., Lee, L., Vaithyanathan, S.: Thumbs up?: Sentiment classification using machine learning techniques. In: ACL-02 Conference on Empirical Methods in Natural Language Processing EMNLP, pp. 79–86 (2002)
15.
16.
Jiang, L., Wang, D., Cai, Z., Yan, X.: Survey of improving naive bayes for classification. In: Alhajj, R., Gao, H., Li, X., Li, J., Zaïane, O.R. (eds.) ADMA 2007. LNCS (LNAI), vol. 4632, pp. 134–145. Springer, Heidelberg (2007)CrossRef
Metadaten
Titel
Sentiment and Behavior Analysis of One Controversial American Individual on Twitter
verfasst von
J. Eliakin M. de Oliveira
Moshe Cotacallapa
Wilson Seron
Rafael D. C. dos Santos
Marcos G. Quiles
Copyright-Jahr
2016
Buch
Neural Information Processing

Print ISBN: 978-3-319-46671-2

Electronic ISBN: 978-3-319-46672-9

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-46672-9_57