Analyse des données Twitter et normalisation du texte dans la collecte de mots standards

est l'une des sources de données les plus importantes dans l'analyse des données sociales. Cependant, le texte contenu sur Twitter est souvent non structuré, ce qui entraîne des difficultés dans la collecte de mots standards. Par conséquent, dans cette recherche, nous analysons les données Twitter et normalisons le texte pour produire des mots standards qui peuvent être utilisés dans l'analyse des données sociales. L'objectif de cette recherche est d'améliorer la qualité de la collecte de données sur les mots standards sur les réseaux sociaux à partir de Twitter et de faciliter l'analyse des données sociales qui est plus précise et valide. La méthode utilisée est des techniques de traitement du langage naturel utilisant des algorithmes de classification et des techniques de normalisation du texte. Le résultat de cette étude est un ensemble de mots standards qui peuvent être utilisés pour l'analyse des données sociales avec un total de 11 430 mots, dont 4 075 mots avec des mots structuraux ou formels et 7 355 mots informels. Les mots informels sont corrigés par des sources fiables pour créer un corpus de mots formels et informels obtenus à partir des données de tweets sur les réseaux sociaux @fullSenyum. La contribution de cette recherche est que la méthode développée peut améliorer la qualité de la collecte de données sociales à partir de Twitter en s'assurant que les mots utilisés sont standards et précis, et la méthode de normalisation du texte utilisée dans cette étude peut servir de référence pour la normalisation du texte dans d'autres données sociales, facilitant ainsi la collecte et l'analyse des données sociales de meilleure qualité. Cette recherche peut aider les chercheurs ou les praticiens à comprendre les techniques de traitement du langage naturel et leur application dans l'analyse des données sociales. Cette recherche est censée aider à collecter des données sociales de manière plus efficace et efficiente.