645 resultados para sentiment
Resumo:
This thesis is the result of a project whose objective has been to develop and deploy a dashboard for sentiment analysis of football in Twitter based on web components and D3.js. To do so, a visualisation server has been developed in order to present the data obtained from Twitter and analysed with Senpy. This visualisation server has been developed with Polymer web components and D3.js. Data mining has been done with a pipeline between Twitter, Senpy and ElasticSearch. Luigi have been used in this process because helps building complex pipelines of batch jobs, so it has analysed all tweets and stored them in ElasticSearch. To continue, D3.js has been used to create interactive widgets that make data easily accessible, this widgets will allow the user to interact with them and �filter the most interesting data for him. Polymer web components have been used to make this dashboard according to Google's material design and be able to show dynamic data in widgets. As a result, this project will allow an extensive analysis of the social network, pointing out the influence of players and teams and the emotions and sentiments that emerge in a lapse of time.
Resumo:
Preliminary research demonstrated the EmotiBlog annotated corpus relevance as a Machine Learning resource to detect subjective data. In this paper we compare EmotiBlog with the JRC Quotes corpus in order to check the robustness of its annotation. We concentrate on its coarse-grained labels and carry out a deep Machine Learning experimentation also with the inclusion of lexical resources. The results obtained show a similarity with the ones obtained with the JRC Quotes corpus demonstrating the EmotiBlog validity as a resource for the SA task.
Resumo:
EmotiBlog is a corpus labelled with the homonymous annotation schema designed for detecting subjectivity in the new textual genres. Preliminary research demonstrated its relevance as a Machine Learning resource to detect opinionated data. In this paper we compare EmotiBlog with the JRC corpus in order to check the EmotiBlog robustness of annotation. For this research we concentrate on its coarse-grained labels. We carry out a deep ML experimentation also with the inclusion of lexical resources. The results obtained show a similarity with the ones obtained with the JRC demonstrating the EmotiBlog validity as a resource for the SA task.
Resumo:
Comunicación presentada en las IV Jornadas TIMM, Torres (Jaén), 7-8 abril 2011.
Resumo:
In the chemical textile domain experts have to analyse chemical components and substances that might be harmful for their usage in clothing and textiles. Part of this analysis is performed searching opinions and reports people have expressed concerning these products in the Social Web. However, this type of information on the Internet is not as frequent for this domain as for others, so its detection and classification is difficult and time-consuming. Consequently, problems associated to the use of chemical substances in textiles may not be detected early enough, and could lead to health problems, such as allergies or burns. In this paper, we propose a framework able to detect, retrieve, and classify subjective sentences related to the chemical textile domain, that could be integrated into a wider health surveillance system. We also describe the creation of several datasets with opinions from this domain, the experiments performed using machine learning techniques and different lexical resources such as WordNet, and the evaluation focusing on the sentiment classification, and complaint detection (i.e., negativity). Despite the challenges involved in this domain, our approach obtains promising results with an F-score of 65% for polarity classification and 82% for complaint detection.
Resumo:
Recent years have witnessed a surge of interest in computational methods for affect, ranging from opinion mining, to subjectivity detection, to sentiment and emotion analysis. This article presents a brief overview of the latest trends in the field and describes the manner in which the articles contained in the special issue contribute to the advancement of the area. Finally, we comment on the current challenges and envisaged developments of the subjectivity and sentiment analysis fields, as well as their application to other Natural Language Processing tasks and related domains.
Resumo:
Parce qu’il est notamment lié à des facteurs de réussite scolaire et d’adaptation sociale (Eccles & Roeser, 2009; Finn, 1989; Janosz, Georges, & Parent, 1998), le sentiment d’appartenance des élèves est considéré comme étant un élément de première instance qui doit d’être développé et maintenu par les professionnels de l’éducation (MELS, 2012). L'objectif général visait à approfondir notre compréhension du sentiment d’appartenance à l’école. Pour répondre à cet objectif général, trois articles de recherche distincts ont été élaborés. Le premier article présente une analyse conceptuelle visant à clarifier la compréhension du concept de sentiment d’appartenance à l’école. La méthode conceptuelle privilégiée dans cet article est celle de Walker et Avant (2011). La recension des écrits et les référents empiriques répertoriés indiquent que ce concept est de nature multidimensionnelle. L’analyse des données indique quatre attributs définitionnels. L’élève doit : (1) ressentir une émotion positive à l’égard du milieu scolaire; (2) entretenir des relations sociales de qualité avec les membres du milieu scolaire; (3) s’impliquer activement dans les activités de la classe ou celles de l’école; (4) percevoir une certaine synergie (harmonisation), voir même une similarité, avec les membres de son groupe. À la suite de cette étude permettant de mieux comprendre le sentiment d’appartenance à l’école, le deuxième article visait à examiner la structure factorielle et l'invariance de l’instrument de mesure du sentiment d’appartenance Psychological Sense of School Membership (PSSM) au regard du sexe des élèves. Cette étude a été menée chez un échantillon composé de 766 filles et de 391 garçons de troisième secondaire. Les analyses factorielles confirmatoires ont indiqué une structure à trois facteurs : (1) la qualité des relations entre les élèves; (2) la qualité des relations entre les élèves et l’enseignant; ainsi que (3) le sentiment d’acceptation par le milieu. Les analyses factorielles multigroupes ont indiqué pour leur part que le PSSM est un instrument invariant chez les filles et les garçons de troisième secondaire. Finalement, le troisième article a été mené chez un échantillon de 4166 élèves de niveau secondaire afin d’examiner les processus psychologiques complexes s’opérant entre le sentiment d’appartenance et le rendement scolaire (Anderman & Freeman, 2004; Connell & et al., 1994; Roeser et al., 1996). Afin d’examiner ces processus psychologiques, quatre hypothèses issues du modèle de Freeman-Anderman ont été validées par le biais d’analyses acheminatoires : H1 Les affects positifs médiatisent partiellement et positivement l’effet du sentiment d’appartenance sur l’engagement comportemental; H2 Les affects positifs médiatisent partiellement et positivement l’effet du sentiment d’appartenance sur l’engagement affectif; H3 Les affects positifs médiatisent partiellement et positivement l’effet du sentiment d’appartenance sur l’engagement cognitif; H4 Les engagements affectif, cognitif et comportemental médiatisent partiellement et positivement l’effet du sentiment d’appartenance sur le rendement scolaire. Nos résultats appuient partiellement la première hypothèse de recherche tout en soutenant les hypothèses deux, trois et quatre. Spécifiquement, la relation entre le sentiment d’appartenance et l’engagement émotionnel montre davantage un effet direct qu’un effet indirect (H2). L’étude a produit des résultats similaires pour l’engagement cognitif (H3). Finalement, la relation entre le sentiment d’appartenance et le rendement scolaire indique un effet indirect plus grand qu’un effet direct (H4). À la lumière de ces résultats, des recommandations à l’intention des professionnels de l’éducation sont offertes en guise de conclusion.
Resumo:
Comp. by Phineas Garrett.
Resumo:
Cover title.
Resumo:
Mode of access: Internet.
Resumo:
Mode of access: Internet.
Resumo:
Mode of access: Internet.
Resumo:
Contiene: 2 T. en 1 Vol.
Resumo:
Mode of access: Internet.