Sentiment-Analyse mit dem Random Forest Algorithmus - Basierend auf sozialen Medien

Jeden Tag fluten Milliarden von Daten in Form von Text das Internet, egal ob sie aus Foren, Blogs, sozialen Medien oder Bewertungsseiten stammen. Mit Hilfe der Sentiment-Analyse können zuvor unstrukturierte Daten in strukturiertere Daten umgewandelt werden, die dann wichtige Informationen darstellen. Diese Daten können Meinungen / Stimmungen der Öffentlichkeit zu Produkten, Marken, Gemeindediensten, Dienstleistungen, Politik oder anderen Themen beschreiben. Die Sentiment-Analyse ist eines der Bereiche der natürlichen Sprachverarbeitung (NLP), die Systeme zum Erkennen und Extrahieren von Meinungen in Textform aufbaut. Auf der grundlegendsten Ebene besteht das Ziel darin, Emotionen oder 'Gefühle' aus einer Sammlung von Texten oder Sätzen zu extrahieren. Der Bereich der Sentiment-Analyse, auch 'Meinungsbergbau' genannt, umfasst stets eine Form des Data Mining-Prozesses, um den Text zu erhalten, der später im Lernprozess des maschinellen Lernens verwendet wird, das aufgebaut werden soll. In dieser Studie wird eine sentimentale Analyse mit Datenquellen von Twitter unter Verwendung des Random Forest Algorithmus durchgeführt, wir werden die Auswertungsergebnisse des in dieser Studie verwendeten Algorithmus messen. Die Genauigkeit der Messungen in dieser Studie liegt bei etwa 75%. Das Modell ist gut genug, aber wir schlagen vor, in weiteren Forschungen andere Algorithmen auszuprobieren. Stichwörter: Sentiment-Analyse; Random Forest Algorithmus; Klassifikation; maschinelles Lernen.