Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Sentiment Analysis Based on Support Vector Machine and Big Data

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F16%3APU120166" target="_blank" >RIV/00216305:26220/16:PU120166 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/document/7760939" target="_blank" >https://ieeexplore.ieee.org/document/7760939</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/TSP.2016.7760939" target="_blank" >10.1109/TSP.2016.7760939</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Sentiment Analysis Based on Support Vector Machine and Big Data

  • Popis výsledku v původním jazyce

    This paper deals with sentiment analysis in text documents, especially text valence detection. The proposed solution is based on Support Vector Machines classifier. This classifier was trained with huge amount of data and complex word combinations were analysed. For this purpose distributed learning on 112 processors was used. Datasets used for training and testing were automatically obtained from real user feedback on products from different web pages (and different product segments). The proposed solution has been evaluated with different languages – English, German, Czech and Spanish. This paper improves accuracy achieved with the Big Data approach about 11%. The best accuracy achieved in this work was 95.31% for recognition of positive and negative text valence. The described learning is fully automatic, can be applied to any language and no complicated preprocessing is needed.

  • Název v anglickém jazyce

    Sentiment Analysis Based on Support Vector Machine and Big Data

  • Popis výsledku anglicky

    This paper deals with sentiment analysis in text documents, especially text valence detection. The proposed solution is based on Support Vector Machines classifier. This classifier was trained with huge amount of data and complex word combinations were analysed. For this purpose distributed learning on 112 processors was used. Datasets used for training and testing were automatically obtained from real user feedback on products from different web pages (and different product segments). The proposed solution has been evaluated with different languages – English, German, Czech and Spanish. This paper improves accuracy achieved with the Big Data approach about 11%. The best accuracy achieved in this work was 95.31% for recognition of positive and negative text valence. The described learning is fully automatic, can be applied to any language and no complicated preprocessing is needed.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 39th International Conference on Telecommunication and Signal Processing, TSP 2016

  • ISBN

    978-1-5090-1287-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    3

  • Strana od-do

    543-545

  • Název nakladatele

    Neuveden

  • Místo vydání

    Vídeň

  • Místo konání akce

    Vídeň

  • Datum konání akce

    27. 6. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000390164000118