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 MyNewsletter Firmensuche
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
Sustainability in Automotive

Gesamtlebenszyklus wird immer wichtiger

In der Digitalkonferenz am 5. Dezember 2024 geht es um die wachsende Bedeutung der Kreislaufwirtschaft in der Automobilindustrie und wie nachhaltige Werkstoffe sowie wiederverwendbare Komponenten dazu beitragen können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Sentiment Classification Using Recurrent Neural Network

verfasst von : Kavita Moholkar, Krupa Rathod, Krishna Rathod, Mritunjay Tomar, Shashwat Rai

Erschienen in: Intelligent Communication Technologies and Virtual Mobile Networks

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Sentiment basically represents a person’s attitude, expressing thoughts or an expression triggered by a feeling. Sentiment analysis is the study of sentiments on a given piece of text. Users can express their sentiment/thoughts on internet which may have impact on the user reading it [7]. This expressed sentiment are usually available in unstructured format which needs to be converted. Sentiment analysis is referred to as organizing text into a structured format [7]. The challenge for sentiment analysis is insufficient labelled information, this can be overcome by using machine learning algorithms. Therefore, to perform sentiment analysis we have employed Deep Neural Network.

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 An Adaptive Thresholding Approach Based on Improved Harris Corner Detection for Estimation of Built up Region from Remote Sensing Images
Nächstes Kapitel Secure Data Transmission in VANETs Using Efficient Key-Management Techniques
Literatur
1.
Swapna, G., Soman, K.P., VinayKumar, R.: Automated detection of cardiac arrhythmia using deep learning techniques. Procedia Comput. Sci. 132, 1192–1201 (2018)CrossRef
2.
Luo, Y.: Recurrent neural network for classifying relations in clinical notes. J. Biomed. Informat. 72, 85–95 (2017)CrossRef
3.
Rao, G., Huang, W., Feng, Z., Cong, Q.: LSTM with sentence representation for document-level sentiment classification. Neurocomputing 208, 49–57 (2018)CrossRef
4.
Khosla, E., Ramesh, D., Sharma, P.P., Nyakotey, S.: RNN’s-RT: flood based prediction of Human and animal deaths in Bihar using recurrent neural networks and regression techniques. Procedia Comput. Sci. 132, 486–497 (2018)CrossRef
5.
Kumar, J., Goomer, R., Singh, A.K.: Long short-term memory recurrent neural network (LSTM-RNN) based workload forecasting model for cloud datacenters. Procedia Comput. Sci. 12, 676–682 (2018)CrossRef
6.
Arifoglu, D., Bouchachia, A.: Activity recognition and abnormal behavior detection with recurrent neural networks. In: The 14th International Conference on Mobile Systems and Pervasive Computing
7.
Ain, Q.T., Ali, M., Riaz, A., Noureen, A., Kamran, M., Hayat, B., Rehman, A.: Sentiment analysis using deep learning techniques: A review. IJACSA 8(6), 424 (2017)
8.
9.
10.
Islam, J., Zhang, Y.: Visual sentiment analysis for social images using transfer learning approach. In: 2016 IEEE International Conference on Big Data Cloud Computing (BDCloud), Social Computing and Networking (SocialCom), Sustainable Computing Communications, pp. 124–130 (2016)
11.
Ouyang, X., Zhou, P., Li, C.H., Liu, L.: Sentiment analysis using convolutional neural network. In: 2015 IEEE International Conference on Computer and Information Technology Ubiquitous Computing and Communications Dependable, Autonomic Secure Computing Pervasive Intelligence Computing (CIT/IUCC/DASC/PICOM), pp. 2359–2364 (2015)
12.
Silhavy, R., Senkerik, R., Oplatkova, Z.K., Silhavy, P., Prokopova, Z.: Artificial intelligence perspectives in intelligent systems. In: Proceedings of the 5th Computer Science On-line Conference 2016 (CSOC2016), vol 1, Advances in Intelligent Systems and Computing, vol. 464, pp. 249–261 (2016)
13.
Vateekul, P., Koomsubha, T.: A study of sentiment analysis using deep learning techniques on Thai Twitter Data (2016)
14.
Yanagimoto, H., Shimada, M., Yoshimura, A.: Document similarity estimation for sentiment analysis using neural network. In: 2013 IEEE/ACIS 12th International Conference on Computer and Information Science, pp. 105–110 (2013)
15.
Ain, Q.T., Ali, M., Riaz, A., Noureen, A., Kamran, M., Hayat, B., Rehman, A.: Sentiment analysis using deep learning techniques: a review.
16.
Pang, B., Lee, L.: A sentimental education: sentiment analysis using subjectivity summarization based on minimum cuts. In: 42nd Meeting of the Association for Computational Linguistics (ACL 2004), 271–278 (2004)
17.
18.
Socher, R., et al.: Recursive deep models for semantic compositionality over a sentiment Treebank. In: Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP) (2013)
19.
Taboada, M., Brooke, J., Tofiloski, M., Voll, K., Stede, M.: Lexiconbasedmethods for sentiment analysis. Comput. linguis. 37(2), 267–307 (2011)CrossRef
20.
Wan, X.: A comparative study of cross-lingual sentiment classification. In: Proceedings of the The 2012 IEEE/WIC/ACM International Joint Conferences on Web Intelligence and Intelligent Agent Technology-Volume 01 (pp. 24–31). IEEE Computer Society (2012)
21.
Bollegala, D., Weir, D., Carroll, J.: Cross-Domain SentimentClassification using a Sentiment Sensitive Thesaurus. IEEE Trans. Knowl. Data Eng. 25(8), 1719–1731 (2013)CrossRef
Metadaten
Titel
Sentiment Classification Using Recurrent Neural Network
verfasst von
Kavita Moholkar
Krupa Rathod
Krishna Rathod
Mritunjay Tomar
Shashwat Rai
Copyright-Jahr
2020
Buch
Intelligent Communication Technologies and Virtual Mobile Networks

Print ISBN: 978-3-030-28363-6

Electronic ISBN: 978-3-030-28364-3

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-28364-3_49