Automatické rozpoznávání (analýza) sentimetu

Bc. Michal KOKTAN

Master's thesis

Automatic Sentiment Recognition (Analysis)

Abstract:

Tato práce se zaměřuje na automatickou analýzu sentimentu. Byla zadána pro potřeby České tiskové kanceláře, která poskytla data z jejich databáze pro experimenty. Hlavním cílem práce je automatická klasifikace článků do tříd sentimentu (pozitivní, negativní, neutrální). Další možností je paralelní zpracování. Používají se 3 klasifikátory (Naivní Bayesův, Maximální entropie a SVM). Nejlepším samostatným klasifikátorem byl zjištěn klasifikátor SVM s úspěšností klasifikace 72% a s použitím paralelního klasifikování byla úspěšnost 73%.

Abstract:

This work deals with automatic sentiment analysis. It has been developed for needs of Czech News Agency (CTK) and the data are provided from the ČTK database. The main goal of this work is to automatically classify articles to a class of sentiment (positive, negative or neutral). The sentiment analysis is viewed as a special case of the document classi cation task. We take into account the possibilities of the parallel processing. Three main classi ers are (Naive Bayes, Maximum Entropy and Support Vector Machine). The obtained accuracies are evaluated and compared. The best recognition score is 72% and are given by the SVM classi er. This result is very promising for the future real case of the ČTK.

Keywords

Sentiment, Sentimentální analýza, Naive Bayes, Maximum Entropy, Support Vector Machine, úspěšnost klasifikace, chybovost klasifikace

Language used: Czech

Date on which the thesis was submitted / produced: 28. 6. 2012

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Pavel Král, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Master programme / field:
Computer Science and Engineering / Distributed Systems and Computer Networks