A comparative performance evaluation of neural network based approach for sentiment classification of online reviews

Vinodhini, G.; Chandrasekaran, R. M.

doi:10.1016/j.jksuci.2014.03.024

Cited by 73 publications

(37 citation statements)

References 29 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Analisis sentimen merupakan bidang interdisipliner yang terdiri dari pemrosesan bahasa alami, analisis teks, dan linguistik komputasi untuk mengidentifikasi sentimen teks (Vinodhini & Chandrasekaran, 2016) berdasarkan opini-opini, sentimen, serta emosi yang diekspresikan dalam teks (Ling, Kencana, & Oka, 2014). Salah satu teknik yang dapat melakukan klasifikasi secara cepat adalah dengan text mining.…”

Section: Pendahuluanunclassified

Komparasi Metode Klasifikasi Pada Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter

Mardiana

Syahreva²,

Tuslaela³

2019

pilar

View full text Add to dashboard Cite

show abstract

Section: Pendahuluanunclassified

Komparasi Metode Klasifikasi Pada Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter

Mardiana

Syahreva²,

Tuslaela³

2019

pilar

View full text Add to dashboard Cite

show abstract

“…Analisis sentimen adalah suatu bidang ilmu yang mengintegrasikan natural language processing, komputasi linguistik, dan analisis teks yang bertujuan untuk mengidentifikasi sentimen teks sehingga mengidentifikasi opini mengenai suatu produk yang disampaikan oleh masyarakat [3]. Tujuan dari analisis sentimen adalah untuk menganalisis penilaian dari masyarakat terhadap suatu benda, baik itu benda mati ataupun benda hidup.…”

Section: Pendahuluanunclassified

Pengaruh Semantic Expansion pada Naïve Bayes Classifier untuk Analisis Sentimen Tokoh Masyarakat

Adhi¹,

Naf’an²,

Usada³

2019

RESTI

View full text Add to dashboard Cite

Sentiment analysis is a field of study that analyzes one's opinions, sentiments, evaluations, attitudes and emotions that are conveyed in written text. There are several factors that cause low accuracy results from sentiment analysis. These factors such as less optimal stemming process, word negation process that does not produce maximum results, writing errors in the dataset, and others. These problems can be overcome by optimizing the process of normalizing words, negation, stemming, and adding methods of semantic expansion. The purpose of adding the Semantic Expansion method and improvement in the process is to increase the accuracy value of the Sentiment Analysis process. This study aims to create a sentiment analysis model from public comments on a public figure (Ridwan Kamil) using the Naïve Bayes Classifier algorithm. Based on the test results in the sentiment analysis model using the Naïve Bayes Classifier method with the addition of the semantic expansion method it is proven that it can improve accuracy. The accuracy obtained using the semantic expansion method is 72%. While the value of accuracy without semantic expansion is 70%.

show abstract

“…Estes ajustes são feitos para aproximar a resposta real da rede da resposta desejada. Muitos autores (NAIK et al, 2015;MISHU;RAFIUDDIN, 2016;VINODHINE;CHANDRASEKARAN, 2016;PRASANNA;RAO, 2017) avaliaram o desempenho de algoritmos de classificação de textos que utilizavam RNA e ressaltaram o seu desempenho comparado aos métodos tradicionais.…”

Section: Redes Neurais Artificiaisunclassified

Avaliação das etapas de pré-processamento e de treinamento em algoritmos de classificação de textos no contexto da recuperação da informação

Guimarães

Meireles

Almeida

2019

Perspect. ciênc. inf.

View full text Add to dashboard Cite

A quantidade de dados não estruturados cresce com a popularização da Internet. Textos em linguagem natural representam um conjunto relevante e significativo para análise e produção de conhecimento. Este trabalho propõe uma análise quantitativa das etapas de préprocessamento e de treinamento de um classificador de textos, que utiliza os sentimentos expressos pelos usuários como atributo. Para realização dos experimentos, foram utilizadas Redes Neurais Artificiais, como algoritmo classificador, e textos provenientes dos sites Amazon, IMDB e Yelp. A base textual permite análise da expressão de sentimentos positivos e negativos dos usuários em avaliações de produtos e serviços em textos não estruturados. Foram realizados dois processos distintos de pré-processamento e diferentes treinamentos das Redes Neurais Artificiais para classificação do

show abstract

A comparative performance evaluation of neural network based approach for sentiment classification of online reviews

Cited by 73 publications

References 29 publications

Komparasi Metode Klasifikasi Pada Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter

Komparasi Metode Klasifikasi Pada Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter

Pengaruh Semantic Expansion pada Naïve Bayes Classifier untuk Analisis Sentimen Tokoh Masyarakat

Avaliação das etapas de pré-processamento e de treinamento em algoritmos de classificação de textos no contexto da recuperação da informação

Contact Info

Product

Resources

About