Key points are not available for this paper at this time.
Le micro-blogging est devenu aujourd'hui un outil de communication très tendance parmi les utilisateurs d'internet. Des millions d'utilisateurs partagent leurs opinions sur divers aspects de la vie, qui sont de riches sources pour l'analyse des opinions. Cet article aborde l'analyse de sentiment des données Twitter concernant la démonétisation. Une nouvelle approche d'analyse de sentiment basée sur des scores de lexique d'opinion étendu est présentée dans cet article. L'algorithme de Naïve Bayes et l'algorithme du vote simple ont été utilisés avec des algorithmes d'apprentissage supervisé tels que SVM, l'entropie maximale et GLMNET, qui sont ensuite comparés. Un aperçu de la démonétisation, incluant la classification positive, négative et neutre des tweets, ainsi que les émotions des personnes derrière le tweet, utilisant le package sentiment dans R, a également été discuté. L'analyse expérimentale montre que la méthode de lexique d'opinion étendu donne de meilleurs résultats parmi tous les algorithmes d'apprentissage machine supervisés et non supervisés.
Dubey et al. (Mer,) ont étudié cette question.