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:
Low-Resource Speech Recognition and Keyword-Spotting Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Spanish Corpus for Sentiment Analysis Towards Brands

verfasst von : María Navas-Loro, Víctor Rodríguez-Doncel, Idafen Santana-Perez, Alberto Sánchez

Erschienen in: Speech and Computer

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Posts published in the social media are a good source of feedback to assess the impact of advertising campaigns. Whereas most of the published corpora of messages in the Sentiment Analysis domain tag posts with polarity labels, this paper presents a corpus in Spanish language where tagging has been made using 8 predefined emotions: love-hate, happiness-sadness, trust-fear, satisfaction-dissatisfaction. In every post, extracted from Twitter, sentiments have been annotated towards each specific brand under study. The corpus is published as a collection of RDF resources with links to external entities. Also a vocabulary describing this emotion classification along with other relevant aspects of customer’s opinion is provided.

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 Song Emotion Recognition Using Music Genre Information
Nächstes Kapitel Speech Enhancement for Speaker Recognition Using Deep Recurrent Neural Networks
Fußnoten
1
The SAB corpus is available online offering only the ID of the tweets.
 
Literatur
1.
Baker, C.F., Fillmore, C.J., Lowe, J.B.: The Berkeley FrameNet project. In: Proceedings of the COLING-ACL, vol. 1, pp. 86–90. ACL (1998)
2.
Baldoni, M., Baroglio, C., et al.: ArsEmotica: emotions in the social semantic web. In: Proceedings of the 7th International Conference on Semantic Systems, pp. 171–174 (2011)
3.
Borden, N.H.: The concept of the marketing mix. J. Advertising Res. 4(2), 2–7 (1964)
4.
Breslin, J.G., Decker, S., et al.: Sioc: an approach to connect web-based communities. Int. J. Web Based Communities 2(2), 133–142 (2006)CrossRef
5.
6.
7.
Cohen, J.: A coefficient of agreement for nominal scales. Educ. Psychol. Meas. 20(1), 37–46 (1960)CrossRef
8.
9.
Cotfas, L.-A., Delcea, C., Roxin, I., Paun, R.: Twitter ontology-driven sentiment analysis. In: Barbucha, D., Nguyen, N.T., Batubara, J. (eds.) New Trends in Intelligent Information and Database Systems. SCI, vol. 598, pp. 131–139. Springer, Cham (2015). doi:10.​1007/​978-3-319-16211-9_​14
10.
Cruz, F.L., Troyano, J.A., et al.: Clasificación de documentos basada en la opinión: experimentos con un corpus de crıticas de cine en espanol. Procesamiento Lenguaje Nat. 41, 73–80 (2008)
11.
Cumbreras, M.Á.G., Cámara, E.M., et al.: TASS 2015 - The evolution of the Spanish opinion mining systems. Procesamiento Lenguaje Nat. 56, 33–40 (2016)
12.
13.
Dong, Z., Dong, Q., Hao, C.: Hownet and its computation of meaning. In: Proceedings of COLING 2010: Demonstrations, pp. 53–56. ACL (2010)
14.
Ekman, P., Friesen, W.V., Ellsworth, P.: Emotion in the Human Face: Guidelines for Research and an Integration of Findings. Pergamon Press (1972)
15.
16.
Fleiss, J.L., Cohen, J.: The equivalence of weighted kappa and the intraclass correlation coefficient as measures of reliability. Educ. Psychol. Meas. 33(3), 613–619 (1973)CrossRef
17.
Francisco, V., Gervás, P., Peinado, F.: Ontological reasoning to configure emotional voice synthesis. In: Marchiori, M., Pan, J.Z., Marie, C.S. (eds.) RR 2007. LNCS, vol. 4524, pp. 88–102. Springer, Heidelberg (2007). doi:10.​1007/​978-3-540-72982-2_​7 CrossRef
18.
Gangemi, A., Guarino, N., Masolo, C., Oltramari, A., Schneider, L.: Sweetening ontologies with DOLCE. In: Gómez-Pérez, A., Benjamins, V.R. (eds.) EKAW 2002. LNCS, vol. 2473, pp. 166–181. Springer, Heidelberg (2002). doi:10.​1007/​3-540-45810-7_​18 CrossRef
19.
Gil, R., Virgili-Gomá, J., et al.: Emotions ontology for collaborative modelling and learning of emotional responses. Comput. Hum. Behav. 51, 610–617 (2015)CrossRef
20.
Grassi, M.: Developing HEO human emotions ontology. In: Fierrez, J., Ortega-Garcia, J., Esposito, A., Drygajlo, A., Faundez-Zanuy, M. (eds.) BioID 2009. LNCS, vol. 5707, pp. 244–251. Springer, Heidelberg (2009). doi:10.​1007/​978-3-642-04391-8_​32 CrossRef
21.
Hastings, J., Ceusters, W., et al.: The emotion ontology: enabling interdisciplinary research in the affective sciences. In: International and Interdisciplinary Conference on Modeling and Using Context, pp. 119–123 (2011)
22.
Hastings, J., Ceusters, W., et al.: Annotating affective neuroscience data with the emotion ontology. In: Proceedings of the Workshop Towards an Ontology of Mental Functioning at ICBO, pp. 1–5 (2012)
23.
24.
Hepp, M.: GoodRelations: an ontology for describing products and services offers on the web. In: Gangemi, A., Euzenat, J. (eds.) EKAW 2008. LNCS, vol. 5268, pp. 329–346. Springer, Heidelberg (2008). doi:10.​1007/​978-3-540-87696-0_​29 CrossRef
25.
26.
Martínez-Cámara, E., Martín-Valdivia, M.T., et al.: Polarity classification for Spanish tweets using the COST corpus. J. Inf. Sci. 41(3), 263–272 (2015)CrossRef
27.
28.
Mohammad, S.M., Kiritchenko, S.: Using hashtags to capture fine emotion categories from tweets. Comput. Intell. 31(2), 301–326 (2015)MathSciNetCrossRef
29.
Molina-González, M.D., Martínez-Cámara, E., et al.: Cross-domain sentiment analysis using Spanish opinionated words. In: Métais, E., Roche, M., Teisseire, M. (eds.) NLDB 2014. LNCS, pp. 214–219. Springer, Cham (2014). doi:10.​1007/​978-3-319-07983-7_​28
30.
Montejo-Ráez, A., Díaz-Galiano, M.C., et al.: Crowd explicit sentiment analysis. Knowl. Based Syst. 69(1), 134–139 (2014)CrossRef
31.
32.
Nakamura, A.: Kanjo Hyogen Jiten. Tokyodo Publishing (1993)
33.
34.
Obrenovic, Z., Garay, N., López, J.M., Fajardo, I., Cearreta, I.: An ontology for description of emotional cues. In: Tao, J., Tan, T., Picard, R.W. (eds.) ACII 2005. LNCS, vol. 3784, pp. 505–512. Springer, Heidelberg (2005). doi:10.​1007/​11573548_​65 CrossRef
35.
Plaza-Del-Arco, F.M., Martín-Valdivia, M.T., et al.: COPOS: Corpus of patient opinions in Spanish. Application of sentiment analysis techniques. Procesamiento Lenguaje Nat. 57, 83–90 (2016)
36.
Plutchik, R.: The nature of emotions: Human emotions have deep evolutionary roots (2001)
37.
Ptaszynski, M., Rzepka, R., et al.: A robust ontology of emotion objects. In: Proceedings of the 18th Annual Meeting of the Association for Natural Language Processing, pp. 719–722 (2012)
38.
Rangel, F., Rosso, P., Reyes, A.: Emotions and irony per gender in facebook. In: Proceedings of Workshop ES3LOD, LREC-2014, pp. 1–6 (2014)
39.
Richins, M.L.: Measuring emotions in the consumption experience. J. Consum. Res. 24(2), 127–146 (1997)CrossRef
40.
Roberts, K., Roach, M., Johnson, J.: EmpaTweet: annotating and detecting emotions on twitter. In: Proceedings of LREC 2012, pp. 3806–3813 (2012)
41.
42.
Sam, K.M., Lei, P., Chatwin, C.: Ontology development for e-marketing mix model mapping with internet consumers’ decision-making styles. In: Sobh, T. (ed.) Innovations and Advanced Techniques in Computer and Information Sciences and Engineering, pp. 279–282. Springer, Dordrecht (2007). doi:10.​1007/​978-1-4020-6268-1_​50 CrossRef
43.
Sánchez-Rada, J.F., Iglesias, C.A.: Onyx: a linked data approach to emotion representation. Inf. Process. Manag. 52(1), 99–114 (2016)CrossRef
44.
Sánchez Rada, J.F., Torres, M., et al.: A linked data approach to sentiment and emotion analysis of twitter in the financial domain. In: 2nd International Workshop on Finance and Economics on the Semantic Web (2014)
45.
Shaver, P., Schwartz, J., et al.: Emotion knowledge: further exploration of a prototype approach. J. Pers. Soc. Psychol. 52(6), 1061–1086 (1987)CrossRef
46.
47.
Strapparava, C., Valitutti, A.: WordNet-Affect: an affective extension of WordNet. In: Proceedings of LREC, pp. 1083–1086 (2004)
48.
49.
50.
Togias, K., Kameas, A.: An ontology-based representation of the twitter REST API. In: Proceedings of the IEEE 24th ICTAI, vol. 1, pp. 998–1003 (2012)
51.
52.
53.
54.
55.
Westerski, A., Iglesias, C.A., Rico, F.T.: Linked opinions: describing sentiments on the structured web of data. In: Proceedings of the 4th International Workshop Social Data on the Web, vol. 830 (2011)
56.
Yan, J., Bracewell, D.B., et al.: The creation of a Chinese emotion ontology based on HowNet. Eng. Lett. 16(1), 166–171 (2008)
Metadaten
Titel
Spanish Corpus for Sentiment Analysis Towards Brands
verfasst von
María Navas-Loro
Víctor Rodríguez-Doncel
Idafen Santana-Perez
Alberto Sánchez
Copyright-Jahr
2017
Buch
Speech and Computer

Print ISBN: 978-3-319-66428-6

Electronic ISBN: 978-3-319-66429-3

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-66429-3_68