[論文レビュー] Sentiment Analysis on Social Media Content

Antony Samuels, John Mcgonical|ArXiv.org|Jul 4, 2020

Sentiment Analysis and Opinion Mining参考文献 8被引用数 5

ひとこと要約

この論文では、教師ありおよび教師なし機械学習を組み合わせたハイブリッドセンチメント分析モデルを提案し、Twitterのつぶやきをポジティブ、ネガティブ、ニュートラルの3つのセンチメントに分類する。実世界のソーシャルメディアデータに対して優れた性能を示し、交差検証とFスコアの指標を用いてマクドナルドとKFCに対する公共の世論を分析した際、高い正確性を達成した。

ABSTRACT

Nowadays, people from all around the world use social media sites to share information. Twitter for example is a platform in which users send, read posts known as tweets and interact with different communities. Users share their daily lives, post their opinions on everything such as brands and places. Companies can benefit from this massive platform by collecting data related to opinions on them. The aim of this paper is to present a model that can perform sentiment analysis of real data collected from Twitter. Data in Twitter is highly unstructured which makes it difficult to analyze. However, our proposed model is different from prior work in this field because it combined the use of supervised and unsupervised machine learning algorithms. The process of performing sentiment analysis as follows: Tweet extracted directly from Twitter API, then cleaning and discovery of data performed. After that the data were fed into several models for the purpose of training. Each tweet extracted classified based on its sentiment whether it is a positive, negative or neutral. Data were collected on two subjects McDonalds and KFC to show which restaurant has more popularity. Different machine learning algorithms were used. The result from these models were tested using various testing metrics like cross validation and f-score. Moreover, our model demonstrates strong performance on mining texts extracted directly from Twitter.

研究の動機と目的

• 構造化されていないTwitterデータを処理できる頑健なセンチメント分析モデルの開発。
• 教師ありおよび教師なし学習手法を組み合わせたセンチメント分類の有効性の評価。
• リアルタイムのTwitterデータを用いて、マクドナルドとKFCという2つの主要なファストフードチェーンに対する公共の世論を分析。
• 交差検証やFスコアといった標準的な指標を用いてモデルのパフォーマンスを測定。
• ブランド監視および世論の追跡に向けたセンチメント分析の実用的有用性の提示。

提案手法

• マクドナルドおよびKFCに関連するリアルタイムのつぶやきを抽出するためにTwitter APIを用いた。
• データクリーニングと特徴量の発見を含むテキスト前処理手順を実施し、非構造的なソーシャルメディアコンテンツに対処した。
• 前処理済みデータに対して複数の機械学習アルゴリズムを訓練し、センチメント分類を実施した。
• 分類の頑健性を向上させるために、教師ありおよび教師なし学習アプローチを統合したモデルを構築した。
• 信頼性と一般化能力を確保するため、交差検証とFスコアの指標を用いてパフォーマンスを評価した。
• モデルの予測に基づき、各つぶやきにポジティブ、ネガティブ、ニュートラルのセンチメントラベルを割り当てた。

実験結果

リサーチクエスチョン

• RQ1 教師ありおよび教師なし学習を組み合わせたハイブリッドアプローチは、Twitterにおけるセンチメント分析に対してどの程度効果的か？
• RQ2 提案されたモデルは、現実世界のTwitterデータをポジティブ、ネガティブ、ニュートラルのセンチメントに正確に分類できるか？
• RQ3 ソーシャルメディアの言及に基づいて、マクドナルドとKFCに対する相対的な公共の世論はいかほどか？
• RQ4 Fスコアや交差検証といった標準的な評価指標は、ソーシャルメディアのテキストにおけるモデルの信頼性を評価するためにどの程度有効か？
• RQ5 このモデルは、リアルタイムでのブランドセンチメント監視にどの程度活用できるか？

主な発見

• ハイブリッドモデルは、つぶやきをポジティブ、ネガティブ、ニュートラルのセンチメントカテゴリに分類する上で優れたパフォーマンスを示した。
• 交差検証とFスコアの指標により、モデルの信頼性および一般化能力がTwitterデータ上で確認された。
• リアルタイムのソーシャルメディアコンテンツを用いて、マクドナルドおよびKFCの公共の世論の傾向を効果的に捉えた。
• 教師ありおよび教師なし学習の統合により、従来の手法よりも分類の正確性が向上した。
• 本研究では、非構造的なソーシャルメディアプラットフォーム上で大規模なセンチメント分析を機械学習を用いて行うことが可能であることを示した。
• 企業がソーシャルメディアのセンチメントを通じてブランド認識を監視するための実用的なフレームワークを提供した。