One-Document Training for Vietnamese Sentiment Analysis

Nguyen-Nhat, Dang-Khoa; Duong, Huu-Thanh

doi:10.1007/978-3-030-34980-6_21

Cited by 8 publications

(8 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The same words are merged, so the dimensionality of the problem is reduced, for example " " (good) and " " (Good) is the same dimensionality. This techniques have been widely used by many researchers [19][20][21].…”

Section: Preprocessing Techniquesmentioning

confidence: 99%

“…The performances of all datasets which are applied with preprocessing techniques improved well. Nguyen-Nhat [21] has also showed the effects of these techniques, even using only one review for training. This proves that they are the reasonable techniques for Vietnamese sentiment analysis problem to normalize data before feeding to the classifiers.…”

Section: Preprocessing Techniquesmentioning

confidence: 99%

See 1 more Smart Citation

A review: preprocessing techniques and data augmentation for sentiment analysis

Duong

Nguyen-Thi

2021

Comput Soc Netw

Self Cite

View full text Add to dashboard Cite

In literature, the machine learning-based studies of sentiment analysis are usually supervised learning which must have pre-labeled datasets to be large enough in certain domains. Obviously, this task is tedious, expensive and time-consuming to build, and hard to handle unseen data. This paper has approached semi-supervised learning for Vietnamese sentiment analysis which has limited datasets. We have summarized many preprocessing techniques which were performed to clean and normalize data, negation handling, intensification handling to improve the performances. Moreover, data augmentation techniques, which generate new data from the original data to enrich training data without user intervention, have also been presented. In experiments, we have performed various aspects and obtained competitive results which may motivate the next propositions.

show abstract

Section: Preprocessing Techniquesmentioning

confidence: 99%

Section: Preprocessing Techniquesmentioning

confidence: 99%

A review: preprocessing techniques and data augmentation for sentiment analysis

Duong

Nguyen-Thi

2021

Comput Soc Netw

Self Cite

View full text Add to dashboard Cite

show abstract

“…Next, we conducted sentiment classification based on the textual content of selected posts. All selected posts underwent for sentiment analysis using a Vietnamese sentiment lexicon [ 21 ] and VnCoreNLP packages [ 22 ] for Vietnamese-language word and sentiment processing in Python 3.6. For each post, the number of positive and negative words that appeared was calculated.…”

Section: Methodsmentioning

confidence: 99%

Understanding the COVID-19 Infodemic: Analyzing User-Generated Online Information During a COVID-19 Outbreak in Vietnam

et al. 2022

View full text Add to dashboard Cite

Objectives: Online misinformation has reached unprecedented levels during the coronavirus disease 2019 (COVID-19) pandemic. This study analyzed the magnitude and sentiment dynamics of misinformation and unverified information about public health interventions during a COVID-19 outbreak in Da Nang, Vietnam, between July and September 2020.Methods: We analyzed user-generated online information about five public health interventions during the Da Nang outbreak. We compared the volume, source, sentiment polarity, and engagements of online posts before, during, and after the outbreak using negative binomial and logistic regression, and assessed the content validity of the 500 most influential posts.Results: Most of the 54,528 online posts included were generated during the outbreak (n = 46,035; 84.42%) and by online newspapers (n = 32,034; 58.75%). Among the 500 most influential posts, 316 (63.20%) contained genuine information, 10 (2.00%) contained misinformation, 152 (30.40%) were non-factual opinions, and 22 (4.40%) contained unverifiable information. All misinformation posts were made during the outbreak, mostly on social media, and were predominantly negative. Higher levels of engagement were observed for information that was unverifiable (incidence relative risk [IRR] = 2.83; 95% confidence interval [CI], 1.33–0.62), posted during the outbreak (before: IRR = 0.15; 95% CI, 0.07–0.35; after: IRR = 0.46; 95% CI, 0.34-0.63), and with negative sentiment (IRR = 1.84; 95% CI, 1.23–2.75). Negatively toned posts were more likely to be misinformation (odds ratio [OR] = 9.59; 95% CI, 1.20–76.70) or unverified (OR = 5.03; 95% CI, 1.66–15.24).Conclusions: Misinformation and unverified information during the outbreak showed clustering, with social media being particularly affected. This indepth assessment demonstrates the value of analyzing online “infodemics” to inform public health responses.

show abstract

“…Phân tích cảm xúc đối với tiếng Việt trong các công trình nghiên cứu nhận được ít sự quan tâm. Trong công trình nghiên cứu (Nguyen & Duong, 2019) của mình, các tác giả đã áp dụng những kỹ thuật cơ bản nhằm sinh ra thêm nhiều dữ liệu văn bản như thay thế từ đồng nghĩa và hoán đổi vị trí từ ngẫu nhiên trong trường hợp học nửa giám sát. Trong bài báo này, chúng tôi tập trung nghiên cứu về vấn đề trên bằng cách sử dụng một số kỹ thuật thay thế từ đồng nghĩa hoặc gần nghĩa đối với văn bản tiếng Việt.…”

Section: Giới Thiệuunclassified

“…Trong phần thực nghiệm, để tìm ra kết qua cho mô hình đề xuất, chúng tôi sử dụng bộ dữ liệu trong công trình nghiên cứu (Nguyen & Duong, 2019)…”

Section: Thực Nghiệm Và Kết Quảunclassified

Kỹ thuật làm tăng dữ liệu trong phân tích cảm xúc trên ngôn ngữ tiếng Việt

Thien¹

2022

HCMCOUJS - KỸ THUẬT VÀ CÔNG NGHỆ

View full text Add to dashboard Cite

Những bình luận phản hồi trong các hệ thống trực tuyến là một nguồn dữ liệu mang nhiều thông tin, cảm xúc của khách hàng về những sản phẩm hoặc dịch vụ. Những thông tin này được khai thác nhằm đem lại những ích lợi trong việc hoạch định chiến lược, quản trị khách hàng. Để đạt được những kết quả tốt đối với mô hình phân tích cảm xúc, đòi hỏi một lượng lớn dữ liệu được gán nhãn. Chi phí cho việc gán nhãn dữ liệu huấn luyện bởi con người là rất lớn. Trong nghiên cứu này chúng tôi đề xuất một mô hình làm tăng dữ liệu văn bản dựa trên các câu bình luận áp dụng cho ngôn ngữ tiếng Việt. Một số kỹ thuật cơ bản được sử dụng nhằm sinh thêm số lượng bình luận như chèn từ, thay thế từ, xóa từ. Kết quả thực nghiệm đã cho thấy hiệu quả của mô hình này.

show abstract

One-Document Training for Vietnamese Sentiment Analysis

Cited by 8 publications

References 11 publications

A review: preprocessing techniques and data augmentation for sentiment analysis

A review: preprocessing techniques and data augmentation for sentiment analysis

Understanding the COVID-19 Infodemic: Analyzing User-Generated Online Information During a COVID-19 Outbreak in Vietnam

Kỹ thuật làm tăng dữ liệu trong phân tích cảm xúc trên ngôn ngữ tiếng Việt

Contact Info

Product

Resources

About