利用朴素贝叶斯与自定义语言模型改进推特情感分析
计算与语言
2017-12-01 v1
摘要
在过去的几十年里，像推特这样的社交网络服务产生了关于用户及其兴趣的大量数据，提供了有意义的商业智能，使组织能更好地理解和接触其客户。所有企业都想知道谁在推广他们的产品，谁在抱怨它们，以及这些观点如何为企业带来或削减价值。企业希望识别其高价值客户并量化每位用户带来的价值。许多企业使用社交媒体指标来计算用户贡献得分，使其能量化有影响力用户在社交媒体上带来的价值，从而为企业提供更具差异化的服务。然而，该得分计算可被改进以更好地刻画用户贡献。以微软 Azure 为案例，我们进行了推特情感分析，以开发一种机器学习分类模型，识别最能说明正价值用户贡献的推文内容与情感。利用数据挖掘和 AI 驱动的认知工具，我们分析了社会影响的因素，特别是开发者社区中的推广性语言。我们的预测模型是传统监督机器学习算法与为识别推广推文而自定义开发的自然语言模型的结合，以 90% 的准确率识别推特上特定产品的推广。
引用
@article{arxiv.1711.11081,
title = {Improved Twitter Sentiment Analysis Using Naive Bayes and Custom Language Model},
author = {Angela Lin},
journal= {arXiv preprint arXiv:1711.11081},
year = {2017}
}