Language Identification and Sentiment Analysis for Social Media Communication

Mgr. Radoslav Sabol

Rigorózní práce

Anotace:

Komunikácia na sociálnych sieťach sa vyznačuje špecifickým štýlom a slovnou zásobou, čo ju odlišuje od iných, štandardnejších príkladov prirodzeného jazyka. Tieto charakteristiky – neformálne frázovanie, miešanie viacerích jazykov, vynechávanie diakritiky a nespisovná gramatika – predstavujú výzvy pre nástroje na identifikáciu jazyka a analýzu sentimentu trénovaných na čistých, konvenčných korpusoch. V následujúcej práci predstavujeme analýzu existujúcich nástrojov, ktorá vedie k návrhu a implementácii jedinečného modulu na identifikáciu jazyka a analýzu sentimentu pre prostredie sociálnych médií. Vyhodnotenie na viacerých dátových sadách ukazujú 3–13 % zlepšenie presnosti pri identifikácii jazyka a 10 % zlepšenie pri českú analýzu sentimentu oproti základným nástrojom. Oba moduly dosahujú vysokú presnosť pri zachovaní efektivity behu, čo umožňuje ich integráciu do komplexnejších systémov spracovania prirodzeného jazyka.

Abstract:

Social media communication is distinguishable by its specific writing style and vocabulary, which sets it apart from other, more standard examples of natural language. These characteristics - informal phrasing, code-mixing, omission of diacritics, and irregular grammar -- pose challenges for language identification and sentiment analysis tools trained on clean, conventional corpora. In this thesis, we present an analysis of existing tools that lead to designing and implementing a unique language identification and sentiment analysis module for the social media environment. Evaluations on multiple datasets show 3–13\% accuracy gains for language identification and a 10\% improvement for Czech sentiment detection over baseline tools. Both modules achieve strong accuracy while maintaining runtime efficiency, enabling their integration into larger natural language processing pipelines.

Keywords

language identification, sentiment analysis, natural language processing, machine learning identifikácia jazyka, analýza sentimentu, strojové učenie, spracovanie prirodzeného jazyka

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 22. 8. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 21. 1. 2026
• Oponent: doc. RNDr. Pavel Smrž, Ph.D., doc. Mgr. Barbora Vidová Hladká, Ph.D.

Masarykova univerzita

Fakulta informatiky

Rigorózní řízení / obor:
Umělá inteligence a zpracování dat / Umělá inteligence a zpracování dat