Sentiment analysis on social networks using machine learning and audio processing

Abstract

Polarity classification is one of the most fundamental problems in sentiment analysis. Our study strives to develop a new definition, extraction technique and utilization of features based on the audio data for polarity classification on Twitter messages. The background of work relies on a recent study which suggests that brain uses sound as a part of language generation and words are comprehended as they are converted into sound. Using sound is elective especially for social media messages which are likely to contain misspelled or shortened words, where the sound is similar to the actual word (e.g., thank u, b4). Our results show that one of our proposed feature set definitions demonstrate an improvement in accuracy in comparison to existing studies.

Kutuplaşma sınıflandırması, duygu analizinin en temel problemlerinden biridir. Bizim yaptığımı inceleme, Twitter mesajlarında kutuplaşma sınıflandırması yapmak için ses verilerine dayanarak yeni bir tanım, çıkarım ve kullanım geliştirmeye çalışmaktadır. Çalışmanın arka planı son dönemde yapılan bir incelemeye dayanmaktadır: beyin, dil oluşturmak/üretmek için sesleri kullanır ve kelimeler sese dönüştükçe anlaşılır hale gelir. Özellikle imlası bozuk olabilecek veya kısaltılmış kelimeler kullanılacak olan sosyal medya mesajlarında ses kelime ile benzer ise, ses kullanmak etkili olur (thank u, b4). Vardığımız sonuçlara göre önerdiğimiz bazı özellik tanımları mevcut araştırmalara kıyasla doğruluk/kesinlik açısından ilerleme gösteriyor.