Classification précise des tweets et analyse des sentiments

L'essor des médias sociaux ces dernières années a changé la perspective générale sur le réseautage, la socialisation et la personnalisation. L'utilisation des données des réseaux sociaux à des fins diverses, telles que la prévision électorale, l'analyse sentimentale, le marketing, la communication, les affaires et l'éducation, augmente de jour en jour. L'extraction précise d'informations précieuses à partir de messages texte courts publiés sur les réseaux sociaux (Twitter) est une tâche collaborative. Dans cet article, nous analysons les tweets pour classifier les données et les sentiments de Twitter de manière plus précise. Les informations des tweets sont extraites à l'aide d'une extraction de connaissances basée sur des mots-clés. De plus, les connaissances extraites sont ensuite améliorées grâce à une technique d'enrichissement basée sur des semences spécifiques au domaine. La méthodologie proposée facilite l'extraction de mots-clés, d'entités, de synonymes et de parties du discours à partir des tweets, qui sont ensuite utilisées pour la classification des tweets et l'analyse sentimentale. Le système proposé a été testé sur une collection de 40 000 tweets. La méthodologie proposée a mieux performé que le système existant en termes de classification des tweets et d'analyse des sentiments. En appliquant le module Knowledge Enhancer et Synonym Binder sur les informations extraites, nous avons obtenu une augmentation du gain d'information dans une plage de 0,1 % à 55 %. L'augmentation du gain d'information a permis à notre système proposé de mieux résumer les données Twitter concernant les sentiments des utilisateurs par rapport à un mot-clé d'une catégorie particulière.