टेम्पोरल सेंटिमेंट एनालिसिस और इवेंट प्रेडिक्शन के लिए ट्वीट्स से कारणात्मक नियम निकालना

सेंटिमेंट एनालिसिस या ओपिनियन माइनिंग वह प्रक्रिया है जिसमें किसी पाठ के एक टुकड़े में व्यक्त किए गए विचारों को संगणकीय रूप से पहचानना और वर्गीकृत करना शामिल है, ताकि यह निर्धारित किया जा सके कि लेखक का किसी विशेष विषय, उत्पाद, आदि के प्रति态सीक्षा सकारात्मक, नकारात्मक या तटस्थ है। यह हाल के वर्षों में प्राकृतिक भाषा प्रसंस्करण और पाठ खनन के अनुसंधान के सबसे सक्रिय क्षेत्रों में से एक है। इस पेपर में दो अवधारणाओं (1) टेम्पोरल सेंटिमेंट एनालिसिस (2) सेंटिमेंट कारणात्मक संबंध का विस्तृत अध्ययन प्रस्तुत किया गया है। टेम्पोरल सेंटिमेंट एनालिसिस घटना के समय और सेंटिमेंट के आधार पर घटनाओं का संक्षेप करने के लिए उपयोगी है। कारणात्मक संबंध घटनाओं के कारण और प्रभाव की पहचान करने में उपयोगी है और यह घटना की भविष्यवाणी के लिए भी सहायक है। जब इन दोनों अवधारणाओं को जोड़ा जाता है, तो यह एक बेहतर घटना पूर्वानुमान मॉडल में परिणत होता है जो घटनाओं के बीच समय अवधि और आगामी घटनाओं के सेंटिमेंट की भविष्यवाणी कर सकता है। प्रस्तावित कार्य एक सामान्यीकृत पूर्वानुमान मॉडल को प्रस्तुत करता है जो ट्वीट के टेम्पोरल सेंटिमेंट एनालिसिस के आधार पर घटनाओं के बीच कारणात्मक संबंध की पहचान करता है, जिसे घटना सेंटिमेंट और घटनाओं के बीच की अवधि की भविष्यवाणी करने के लिए उपयोग किया जा सकता है। प्रस्तावित विधि की कार्यक्षमता मापने के लिए प्रिसिजन और रिकॉल का उपयोग किया जाएगा। कारणात्मक नियम की भविष्यवाणी की सटीकता का मूल्यांकन पारामेटर्स मीन एब्सोल्यूट एरर (MAE) और रूट मीन स्क्वायर एरर (RMSE) का उपयोग करके किया जाता है।