Sentiment Analysis using Various Machine Learning Techniques: A Review

Pinky Yadav; Madhumita Kathuria

Sentiment Analysis using Various Machine Learning Techniques: A Review

Recommendations

Search

Questions

Type: Academic journal

Author: Pinky Yadav (Manav Rachna International Institute of Research and Studies) Madhumita Kathuria (Manav Rachna International Institute of Research and Studies)

Journal: The Institute of Electronics and Information Engineers IEIE Transactions on Smart Processing & Computing Vol.11 No.2 KCI Accredited Journals SCOPUS

Published: 2022.4

Pages: 79 - 84 (6page)

Usage

📌

Topic: 이 연구는 다양한 기계 학습 기법을 사용하여 소셜 미디어 데이터에서의 감정 분석을 포괄적으로 검토하는 것을 목표로 한다.

📖

Background: 감정 분석은 기업과 조직이 경쟁 시장에서 생존하기 위해 소셜 미디어 플랫폼의 방대한 양의 텍스트 데이터에서 의견을 도출하는 중요한 연구 분야이다.

🔬

Method: 연구는 어휘/규칙 기반 접근 방식과 기계 학습 기반 접근 방식을 사용하여 감정 분석을 수행하며, 다양한 알고리즘을 통해 데이터를 분석한다.

🏆

Result: 연구 결과, 기계 학습 기법은 앙상블 기법이나 하이브리드 기법을 활용할 경우 성능이 향상되며, LSTM과 CNN의 조합에서 각각 81%와 89%의 정확도를 기록하였다.

Sentiment Analysis using Various Machine Learning Techniques: A Review

Abstract· Keywords

Report Errors

Sentiment analysis is the study of deriving opinions and insights from a tremendous amount of text data present on various social media platforms like Facebook, Twitter, and many others. Nowadays, it is vital for companies and organizations to behold the reviews or public opinion about their product to survive in a competitive market. In sentiment analysis, we categorize this data into nominal labels or polarity, which maps the review to an overall sentiment. This research paper provides a review of various machine learning techniques for sentiment analysis in detail on social media data. Along with the text reviews, the emoticons between the text will also be analyzed to achieve the exact sentiment of the reviewer.

#Sentiment analysis #Ensemble techniques #Bi-mode #Emoticons #Machine learning

AI Summary

Topic

이 연구는 다양한 기계 학습 기법을 사용하여 소셜 미디어 데이터에서의 감정 분석을 포괄적으로 검토하는 것을 목표로 한다.

Background

감정 분석은 기업과 조직이 경쟁 시장에서 생존하기 위해 소셜 미디어 플랫폼의 방대한 양의 텍스트 데이터에서 의견을 도출하는 중요한 연구 분야이다.

Method

연구는 어휘/규칙 기반 접근 방식과 기계 학습 기반 접근 방식을 사용하여 감정 분석을 수행하며, 다양한 알고리즘을 통해 데이터를 분석한다.

Result

연구 결과, 기계 학습 기법은 앙상블 기법이나 하이브리드 기법을 활용할 경우 성능이 향상되며, LSTM과 CNN의 조합에서 각각 81%와 89%의 정확도를 기록하였다.

주요내용

Abstract
1. Introduction
2. Approaches of Sentiment Analysis
3. Literature Review
4. Conclusion
References

References (26)

Add References

Dey, L., Chakraborty, S., Biswas, A., Bose, B., & Tiwari, S. (2016). Sentiment analysis of review datasets using naive bayes and k-nn classifier. arXiv preprint arXiv:1610.09982. Ahmad, M., Aftab, S., & Ali, I. (2017). Sentiment analysis of tweets using svm. Int. J. Comput. Appl, 177(5), 25-29.

Bird, J. J., Ekart, A., Buckingham, C. D., & Faria, D. R. (2019, July). High resolution sentiment analysis by ensemble classification. In Intelligent Computing-Proceedings of the Computing Conference (pp. 593-606). Springer, Cham.

Ullah, M. A., Marium, S. M., Begum, S. A., & Dipa, N. S. (2020). An algorithm and method for sentiment analysis using the text and emoticon. ICT Express.

Singh, R., & Goel, V. (2019). Various machine learning algorithms for twitter sentiment analysis. In Information and Communication Technology for Competitive Strategies (pp. 763-772). Springer, Singapore.

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

Pinky Yadav

Affiliation Manav Rachna International Institute of Research and Studies

Fields Engineering > Electrical and Electronic Engineering > Electronics Engineering

Articles 1 Usage 17

Madhumita Kathuria