Lexicon de opinião estendida e análise de sentimento baseada em ML de tweets: uma abordagem nova para classificador preciso

O microblogging, hoje, tornou-se uma ferramenta de comunicação muito popular entre os usuários da internet. Milhões de usuários compartilham suas opiniões sobre diversos aspectos da vida, que são ricas fontes para mineração de opiniões. Este artigo aborda a análise de sentimentos dos dados do Twitter sobre desmonetização. Uma nova abordagem para a análise de sentimentos baseada em escores de lexicon de opinião estendida é apresentada neste artigo. O algoritmo Naïve Bayes e o algoritmo do votante simples foram utilizados, juntamente com algoritmos de aprendizado supervisionado como SVM, máxima entropia e GLMNET, que são comparados. Uma visão sobre a desmonetização, que inclui a classificação positiva, negativa e neutra dos tweets, bem como as emoções das pessoas por trás do tweet usando o pacote de sentimentos em R, também foi discutida. Análises experimentais mostram que o método de lexicon de opinião estendida apresenta um desempenho melhor entre todos os algoritmos de aprendizado de máquina supervisionados e não supervisionados.