CN110941759A - 一种微博情感分析方法 - Google Patents
一种微博情感分析方法 Download PDFInfo
- Publication number
- CN110941759A CN110941759A CN201911142590.0A CN201911142590A CN110941759A CN 110941759 A CN110941759 A CN 110941759A CN 201911142590 A CN201911142590 A CN 201911142590A CN 110941759 A CN110941759 A CN 110941759A
- Authority
- CN
- China
- Prior art keywords
- emotion
- microblog
- negative
- word
- positive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种微博情感分析方法,爬取微博数据,计算微博情感值;将与股市相关的微博进行标签分类;使用Smote的随机森林模型对获得的新微博数据进行类别预测;使用基于Smote的随机森林算法对每篇微博的情感分类。本发明对微博情绪进行分析时,当消极情绪相对较高时,恰逢大盘(上证指数)呈现出某种程度的下跌,微博情绪表现与大盘趋势是较一致的,大盘趋势也可以通过情绪波动来展现。微博看多看空,可以作为服务项目,提供给客户做决策参考。股市外围数据分析对研究媒体与证券市场之间的相互影响关系,帮助投资者去掉投机心理、树立投资理念都有着重要的作用。
Description
技术领域
本发明涉及一种社交媒体对股市影响的分析方法,尤其涉及的是一种微博情感分析方法。
背景技术
在Web2.0时代的主流网络社交平台中,微博已经成为广大互联网用户最为喜爱的社交工 具之一。在以速度和效率为标准的信息时代,微博不仅为网络用户提供了跨越时间和距离的即 时通讯互动平台:同时微博还为网络用户提供了表现自我、表达情感和展现个性的动态展示 平台。微博消息每时每刻都在不断更新,不计其数的带有情感信息的微博文本,使得针对微博 进行情感分析的研究成为可能。
微博相比于博客,其内容只是由简单的只言片语组成,而且在语言的编排组织上没有博 客数据规范,字数限制在140以内,提取准确的信息则更为困难;微博最大特点是:发布信 息快速,信息传播速度快,存在关注和互相关注的行为,影响力的评判是需要探究的;而且 微博内容具有一定的随意性,情感的表露是直接的,但并不是关注的大V发表的每一条微博 都与股市相关,需要按照关键字如“股市”、“股票”、“证券”、“阳线”等做出筛选。
发明内容
本发明所要解决的技术问题在于:如何根据微博数据进行有效的投资指导,提供了一种 微博情感分析方法。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
(1)爬取微博数据,计算微博情感值;
(2)将与股市相关的微博进行标签分类;
(3)使用Smote的随机森林模型对获得的新微博数据进行类别预测;
(4)使用基于Smote的随机森林算法对每篇微博的情感分类具体如下:
(41)对于第j篇微博,假设其转发量为rj,评论量为cj,点赞量为zj,定义该篇微 博的热度ωj计算公式为:
(42)若第i个大V在一段时期内发表与股市相关的微博共mi篇,则该大V在该时期通 过发表微博传递的三种情感分别为:
消极情感、无情感、积极情感三种类别概率分别为p-1j、p0j、p1j;
Fansi=fansi
则
(44)微博平台上n个大V的整体情感指标为:
所述步骤(1)包括以下步骤:
(11)建立情感字典,包括积极消极字典,程度词字典,否定词字典,以及表情词语字 典;
(12)计算微博情感值:假设积极消极情感词S对应的权重Si,表情符号SS对应的权重 为SSi,每篇微博经过切词、清洗等后获取到m1个积极消极情感词,m2种不同的表情词,且第i种表情词的个数为ni,
若有m(≤m1)个积极消极情感词之前仅出现权重为Wi的程度词修饰,则该篇微博的情感 值Ok为:
若有m(≤m1)个积极消极情感词之前仅出现权重为Wi no的否定词修饰,则该篇微博的情感 值Ok为:
若有m(≤m1)个积极消极情感词之前既有权重为Wi的程度词修饰,又有权重为Wi no的否定 词修饰,则该篇微博的情感值Ok为:
所述步骤(2)中,将与股市相关的微博人工划分为三大类:
第一类是表达对股市积极情绪的微博,情感标签设置为1,第二类是表达对股市消极情 感的微博,情感标签设置为-1,第三类是未表达情感观点的微博,情感标签设置为0。
选取基于Smote的随机森林算法对原始样本做分类,分类器中训练样本的自变量按照情 感分析字典设计的权重程度,基于所述计算情感值的方法获取的,即:分别对不同类型、不 同权重的词语计算得分。
根据得分对每一篇微博提取出12维属性,其中积极情感分为3维度,消极情感分为3维 度,程度词分为4维度,否定词为1维度,情感值为1维度。
本发明相比现有技术具有以下优点:本发明对微博情绪进行分析时,当消极情绪相对较 高时,恰逢大盘(上证指数)呈现出某种程度的下跌,微博情绪表现与大盘趋势是较一致的, 大盘趋势也可以通过情绪波动来展现。微博看多看空,可以作为服务项目,提供给客户做决 策参考。股市外围数据分析对研究媒体与证券市场之间的相互影响关系,帮助投资者去掉投 机心理、树立投资理念都有着重要的作用。
附图说明
图1是本发明的情感字典中部分带权重的词语;
图2是部分微博数据的情感标签图;
图3是基于Smote的随机森林模型训练结果;
图4是微博整体各情感趋势图;
图5是大盘(上证指数)行情K线图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施, 给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例首先爬取微博数据,主要可获取到的信息包括:发表时间、昵称、微博者id号、 转发数、评论数、点赞数、微博内容以及微博评论人的等级、认证情况、粉丝数、性别、住 址等数据。主要是通过设置是否关注知名评估大V数目、间隔时间来获取大量微博,关注的 大V主要按照粉丝量筛选。
微博情感分析主要研究股票大V在一段时期内的积极或者消极情绪,在某种程度上可以 客观的反映出股票市场上投资者的投资信心。进行情感分析的必要环节是建立带权重的情感 字典,对每篇微博进行切词、清洗、匹配情感字典等,计算出一个情感值,以此来衡量微博 情感的重要指标。
建立的情感字典只要包括:积极消极字典.txt,程度词字典.txt,否定词字典.txt,考 虑到表情符号的广泛使用,将表情词语也添加到字典情感字典里,并赋予其相应的权重,部 分带权重的词语如图1所示。
微博情感值计算方法如下:假设积极消极情感词S对应的权重Si,表情符号SS对应的权 重为SSi,每篇微博经过切词、清洗等后获取到m1个积极消极情感词,m2种不同的表情词, 且第i种表情词的个数为ni。
若有m(≤m1)个积极消极情感词之前仅出现权重为Wi的程度词修饰,则该篇微博的情感 值Ok为:
若有m(≤m1)个积极消极情感词之前仅出现权重为Wi no的否定词修饰,则该篇微博的情感 值Ok为:
若有m(≤m1)个积极消极情感词之前既有权重为Wi的程度词修饰,又有权重为Wi no的否定 词修饰,则该篇微博的情感值Ok为:
本实施例对837篇微博进行人工标记,初步统计,与股市相关的微博约占总微博数的1/2, 将其划分为三大类:第一类是表达对股市积极情绪的微博,情感标签设置为1,第二类是表 达对股市消极情感的微博,情感标签设置为-1,第三类是未表达情感观点的微博,情感标签 设置为0,图2是部分微博数据的情感标签图。
通过上述微博情感值计算方法,计算出每篇与股市相关的微博的情感值,考虑到根据给 定的情感阈值进行微博分类可能存在一定的偏差性,将会直接影响到分类的正确率,尝试使 用logistic回归、随机森林、深度神经网络等做分类器对微博进行情感分析,由于原始样本 数据存在不均衡的现象,为了保证分类器的分类效果,本实施例使用Smote算法对原始样本 进行了均衡,对比各分类器的分类效果后最终选取基于Smote的随机森林算法做分类。
分类器中训练样本的自变量是按照情感分析字典设计的权重程度,基于上述计算情感值 的规则获取的,即:分别对不同类型、不同权重的词语计算得分。根据得分对每一篇微博提 取出12维属性,其中积极情感分为3维度,消极情感分为3维度,程度词分为4维度,否定 词为1维度,情感值为1维度。
对已有标签的微博数据,使用基于Smote的随机森林模型进行训练,4/5样本作训练, 1/5样本作测试,初步结果如图3所示。
从整体正确率和各类别指标上来看,Smote的随机森林模型是可以直接用来对新微博数 据进行预测的,本实施例使用上述训练模型,对每日获取到的新微博数据进行类别预测。
使用基于Smote的随机森林算法实现对每篇微博的情感分类,记对第j篇微博分类时, 获得的消极情感、无情感、积极情感三种类别概率分别为p-1j、p0j、p1j,据此判断微博平台上整体的情感状况,不仅要考虑每篇微博的热度ωj,也需要考虑到不同大V的影响力下面详细给出整体情感指标Qbad、Qave、Qgood的计算步骤:
Step1:对于第j篇微博,假设其转发量为rj,评论量为cj,点赞量为zj,定义该篇微博的“热度”计算公式为:
考虑到点赞量数值较大,一般情况下约为评论量、转发量的5-10倍,将其给与0.2倍惩 罚,使得三者几乎处于相同数量级范围内。
Step2:若第i个大V在一段时期内发表与股市相关的微博共mi篇,则该大V在该时期通 过发表微博传递的三种情感分别为:
Step3:记第i个大V在该时期的关注人数为focusi,粉丝人数为fansi,发微博总数为 weiboi,c1、c2为给定的常数。考虑到微博中存在“互相关注”和“话痨”的现象,在评价大V“影响力”时,对关注人数和发微博总数给与一定程度的惩罚,具体定义为:
Fansi=fansi
则
Step4:微博平台上n个大V的整体情感指标为:
使用上述指标计算方法,对2017年1月15日至2017年2月15日期间微博平台上96位大V进行情感趋势探索,绘制趋势图如图4所示,对比图5的大盘(上证指数)行情K线图。
可以看出:
一般情况下,无情感指标所占的比例较大,从某种程度上反映出发表的微博中大部分没 有情感倾向。
一般情况下,积极情感指标高于消极情感,两者在一定范围内正常波动,波动较大时可 能存在股市上较大的变化。
对比图4和图5可以发现,虽然多数情况下情绪呈现出偏积极状态,但是,当消极情绪 相对较高时,恰逢大盘(上证指数)呈现出某种程度的下跌,微博情绪表现与大盘趋势是较 一致的,大盘趋势也可以通过情绪波动来展现。
微博看多看空,可以作为服务项目,提供给客户做决策参考。客户可以正着看,也可以 反着看。结合客户自己的判断完成最后的投资操作。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原 则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种微博情感分析方法,其特征在于,包括以下步骤:
(1)爬取微博数据,计算微博情感值;
(2)将与股市相关的微博进行标签分类;
(3)使用Smote的随机森林模型对获得的新微博数据进行类别预测;
(4)使用基于Smote的随机森林算法对每篇微博的情感分类具体如下:
(41)对于第j篇微博,假设其转发量为rj,评论量为cj,点赞量为zj,定义该篇微博的热度ωj计算公式为:
(42)若第i个大V在一段时期内发表与股市相关的微博共mi篇,则该大V在该时期通过发表微博传递的三种情感分别为:
消极情感、无情感、积极情感三种类别概率分别为p-1j、p0j、p1j;
Fansi=fansi
则
(44)微博平台上n个大V的整体情感指标为:
2.根据权利要求1所述的一种微博情感分析方法,其特征在于,所述步骤(1)包括以下步骤:
(11)建立情感字典,包括积极消极字典,程度词字典,否定词字典,以及表情词语字典;
(12)计算微博情感值:假设积极消极情感词S对应的权重Si,表情符号SS对应的权重为SSi,每篇微博经过切词、清洗等后获取到m1个积极消极情感词,m2种不同的表情词,且第i种表情词的个数为ni,
若有m(≤m1)个积极消极情感词之前仅出现权重为Wi的程度词修饰,则该篇微博的情感值Ok为:
若有m(≤m1)个积极消极情感词之前仅出现权重为Wi no的否定词修饰,则该篇微博的情感值Ok为:
若有m(≤m1)个积极消极情感词之前既有权重为Wi的程度词修饰,又有权重为Wi no的否定词修饰,则该篇微博的情感值Ok为:
3.根据权利要求2所述的一种微博情感分析方法,其特征在于,所述步骤(2)中,将与股市相关的微博人工划分为三大类:
第一类是表达对股市积极情绪的微博,情感标签设置为1,第二类是表达对股市消极情感的微博,情感标签设置为-1,第三类是未表达情感观点的微博,情感标签设置为0。
4.根据权利要求3所述的一种微博情感分析方法,其特征在于,选取基于Smote的随机森林算法对原始样本做分类,分类器中训练样本的自变量按照情感分析字典设计的权重程度,基于所述计算情感值的方法获取的,即:分别对不同类型、不同权重的词语计算得分。
5.根据权利要求4所述的一种微博情感分析方法,其特征在于,根据得分对每一篇微博提取出12维属性,其中积极情感分为3维度,消极情感分为3维度,程度词分为4维度,否定词为1维度,情感值为1维度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142590.0A CN110941759B (zh) | 2019-11-20 | 2019-11-20 | 一种微博情感分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911142590.0A CN110941759B (zh) | 2019-11-20 | 2019-11-20 | 一种微博情感分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110941759A true CN110941759A (zh) | 2020-03-31 |
CN110941759B CN110941759B (zh) | 2022-11-11 |
Family
ID=69907209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911142590.0A Active CN110941759B (zh) | 2019-11-20 | 2019-11-20 | 一种微博情感分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110941759B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112073757A (zh) * | 2020-08-13 | 2020-12-11 | 北京奇艺世纪科技有限公司 | 情绪波动指数获取方法、显示方法及多媒体内容制作方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090125371A1 (en) * | 2007-08-23 | 2009-05-14 | Google Inc. | Domain-Specific Sentiment Classification |
CN102663046A (zh) * | 2012-03-29 | 2012-09-12 | 中国科学院自动化研究所 | 一种面向微博短文本的情感分析方法 |
WO2012134180A2 (ko) * | 2011-03-28 | 2012-10-04 | 가톨릭대학교 산학협력단 | 문장에 내재한 감정 분석을 위한 감정 분류 방법 및 컨텍스트 정보를 이용한 다중 문장으로부터의 감정 분류 방법 |
US20130103385A1 (en) * | 2011-10-24 | 2013-04-25 | Riddhiman Ghosh | Performing sentiment analysis |
CN103150367A (zh) * | 2013-03-07 | 2013-06-12 | 宁波成电泰克电子信息技术发展有限公司 | 一种中文微博的情感倾向分析方法 |
US20140108388A1 (en) * | 2012-02-09 | 2014-04-17 | Tencent Technology (Shenzhen) Company Limited | Method and system for sorting, searching and presenting micro-blogs |
KR20140049680A (ko) * | 2012-10-18 | 2014-04-28 | 한국항공대학교산학협력단 | 규칙기반 다중 에이전트를 이용한 감성 분류 시스템 및 그 방법 |
CN105183717A (zh) * | 2015-09-23 | 2015-12-23 | 东南大学 | 一种基于随机森林和用户关系的osn用户情感分析方法 |
CA2944920A1 (en) * | 2015-10-13 | 2017-04-13 | The Governing Council Of The University Of Toronto | Systems and methods for online analysis of stakeholders |
CN108595515A (zh) * | 2018-03-25 | 2018-09-28 | 哈尔滨工程大学 | 一种结合微博弱关系的微博情感分析方法 |
CN109543110A (zh) * | 2018-11-28 | 2019-03-29 | 南京航空航天大学 | 一种微博情感分析方法及系统 |
-
2019
- 2019-11-20 CN CN201911142590.0A patent/CN110941759B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090125371A1 (en) * | 2007-08-23 | 2009-05-14 | Google Inc. | Domain-Specific Sentiment Classification |
WO2012134180A2 (ko) * | 2011-03-28 | 2012-10-04 | 가톨릭대학교 산학협력단 | 문장에 내재한 감정 분석을 위한 감정 분류 방법 및 컨텍스트 정보를 이용한 다중 문장으로부터의 감정 분류 방법 |
US20130103385A1 (en) * | 2011-10-24 | 2013-04-25 | Riddhiman Ghosh | Performing sentiment analysis |
US20140108388A1 (en) * | 2012-02-09 | 2014-04-17 | Tencent Technology (Shenzhen) Company Limited | Method and system for sorting, searching and presenting micro-blogs |
CN102663046A (zh) * | 2012-03-29 | 2012-09-12 | 中国科学院自动化研究所 | 一种面向微博短文本的情感分析方法 |
KR20140049680A (ko) * | 2012-10-18 | 2014-04-28 | 한국항공대학교산학협력단 | 규칙기반 다중 에이전트를 이용한 감성 분류 시스템 및 그 방법 |
CN103150367A (zh) * | 2013-03-07 | 2013-06-12 | 宁波成电泰克电子信息技术发展有限公司 | 一种中文微博的情感倾向分析方法 |
CN105183717A (zh) * | 2015-09-23 | 2015-12-23 | 东南大学 | 一种基于随机森林和用户关系的osn用户情感分析方法 |
CA2944920A1 (en) * | 2015-10-13 | 2017-04-13 | The Governing Council Of The University Of Toronto | Systems and methods for online analysis of stakeholders |
CN108595515A (zh) * | 2018-03-25 | 2018-09-28 | 哈尔滨工程大学 | 一种结合微博弱关系的微博情感分析方法 |
CN109543110A (zh) * | 2018-11-28 | 2019-03-29 | 南京航空航天大学 | 一种微博情感分析方法及系统 |
Non-Patent Citations (3)
Title |
---|
DUOLIN LIU: "Research on Sentiment Classification of Chinese Micro Blog Based on Machine Learning", 《INTERNATIONAL JOURNAL OF DIGITAL CONTENT TECHNOLOGY AND ITS APPLICATIONS》 * |
庞磊等: "基于微博的股票投资者未来情感倾向识别研究", 《计算机科学》 * |
高毅: "面向微博博文的影响力分析技术研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112073757A (zh) * | 2020-08-13 | 2020-12-11 | 北京奇艺世纪科技有限公司 | 情绪波动指数获取方法、显示方法及多媒体内容制作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110941759B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rao | Contextual sentiment topic model for adaptive social emotion classification | |
US20190057310A1 (en) | Expert knowledge platform | |
Teso et al. | Application of text mining techniques to the analysis of discourse in eWOM communications from a gender perspective | |
Wahyuni et al. | Fake review detection from a product review using modified method of iterative computation framework | |
US20140052684A1 (en) | System and method for forming predictions using event-based sentiment analysis | |
Probierz et al. | Rapid detection of fake news based on machine learning methods | |
Kareem et al. | Pakistani media fake news classification using machine learning classifiers | |
Li et al. | Twitter sentiment analysis of new ikea stores using machine learning | |
Wan | Sentiment analysis of Weibo comments based on deep neural network | |
Ball et al. | Fake or real? The computational detection of online deceptive text | |
Bitto et al. | Sentiment analysis from Bangladeshi food delivery startup based on user reviews using machine learning and deep learning | |
CN110941759B (zh) | 一种微博情感分析方法 | |
Choi et al. | Fake review identification and utility evaluation model using machine learning | |
Duman | Social media analytical CRM: a case study in a bank | |
kumar Mall et al. | Self-Attentive CNN+ BERT: An Approach for Analysis of Sentiment on Movie Reviews Using Word Embedding | |
Li et al. | Do reviewers’ words and behaviors help detect fake online reviews and spammers? Evidence from a hierarchical model | |
CN109254993B (zh) | 一种基于文本的性格数据分析方法及系统 | |
Singh et al. | Sentiment Analysis of Twitter Data: A Review | |
Yu-tao et al. | Study on the method of identifying opinion leaders based on online customer reviews | |
Jiang et al. | Leveraging aspect phrase embeddings for cross-domain review rating prediction | |
Zhao et al. | Public emotion analysis based on the influence of opinion leaders on Weibo | |
Ganie et al. | Sentiment analysis on the effect of trending source less News: special reference to the recent death of an Indian actor | |
Kaur et al. | A review on detecting fake news through text classification | |
Chenna et al. | Emotion And Sentiment Analysis From Twitter Text | |
Huu et al. | Automated hate speech detection on Vietnamese social networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |