Triangulated Sentiment Analysis of Tweets

Lade...
Vorschaubild
Dateien
[Triangulated Sentiment Analysis of Tweets]
Autor:innen
Griesser, Simone E
Gupta, Neha
Autor:in (Körperschaft)
Publikationsdatum
14.06.2019
Typ der Arbeit
Studiengang
Typ
06 - Präsentation
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
Themenheft
DOI
Link
Reihe / Serie
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
Patentnummer
Verlag / Herausgebende Institution
Verlagsort / Veranstaltungsort
Bern
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Social media platforms like Twitter present an unprecedented opportunity for customer relationship management by analysing the ongoing discussions about business events such as a service outage. These opinions have been analysed for sentiment with lexicon-based and machine learning approaches. Both methods view sentiment as either positive, neutral, or negative. According to the psycholinguistic approach, text sentiment is more continuous reflecting more naturally how we experience emotions. We compare these three approaches with a Twitter dataset collected during a service outage. Contrary to our expectation, we find that the language used in tweets is not very negative or emotionally intense. This research therefore contributes to the sentiment analysis discussion by dissecting three methods and discussing how and why they arrive at differing results. The selected research context provides an illuminating case about service failure and recovery.
Schlagwörter
sentiment, text analysis, emotional intensity, twitter, psycholinguistics
Fachgebiet (DDC)
Projekt
Veranstaltung
6th Swiss Data Science
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Nein
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review des Abstracts
Open Access-Status
Lizenz
Zitation
GRIESSER, Simone E und Neha GUPTA, 2019. Triangulated Sentiment Analysis of Tweets. 6th Swiss Data Science. Bern. 14 Juni 2019. Verfügbar unter: https://doi.org/10.26041/fhnw-1752