Due approcci alla sentiment polarity classification di tweet per la lingua italiana

Di Gennaro, Pierluigi (2017) Due approcci alla sentiment polarity classification di tweet per la lingua italiana. [Laurea magistrale], Università di Bologna, Corso di Studio in Informatica [LM-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Non opere derivate 3.0 (CC BY-NC-ND 3.0)

Download (599kB)

Abstract

Questo lavoro di tesi si pone l'obiettivo di fornire un'ampia panoramica sull'attuale stato dell'arte della ricerca sulla sentiment analysis mostrando le metodologie, le tecniche e le applicazioni realizzate negli ultimi anni e di presentare le implementazioni concrete (ed i risultati ottenuti) di due diversi sistemi per la sentiment polarity classification di tweet per la lingua italiana. Il primo sistema (FICLIT+CS@Unibo System) utilizza un approccio basato sull'orientamento semantico tramite la realizzazione e l'utilizzo di un lessico annotato e la propagazione della polarità lungo alberi sintattici mentre il secondo utilizza algoritmi stocastico/statistici di machine learning per la creazione di un modello generalizzato per la classificazione del sentimento a partire da un training set annotato.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Di Gennaro, Pierluigi
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum B: Tecnologie informatiche
Ordinamento Cds
DM270
Parole chiave
analisi del sentimento,apprendimento automatico,classificatore testuale,twitter sentiment polarity classification,sentiment analysis,Support Vector Machine,lessico annotato
Data di discussione della Tesi
16 Marzo 2017
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^