Z badań nad systemem rafinacji sieciowej Identyfikacja sentymentów

• Autorzy: Włodzimierz Gogołek , Dariusz Jaruga

Warianty tytułu

From Research on the System of Refining the Web. Identifying Sentiment Words

• Języki publikacji: PL

Abstrakty

Dostępny potencjał mocy obliczeniowych i pamięci komputerowych stworzył niedostępne wcześniej warunki do analizy dużych zasobów informacyjnych - Big Data. W procesie tej analizy można wykorzystywać procedury kolekcjonowania informacji i ich analizy do trafnej oceny - w kategoriach emocjonalnych (sentymentów - dobry, zły) badanych zjawisk w przeszłości, w czasie rzeczywistym, a także do predykcji. Artykuł jest prezentacją kluczowej części tej procedury - istoty automatyzacji procesu identyfikacji sentymentów. (abstrakt oryginalny)

EN

Available potential of computing power and computer memory had created, previously unavailable conditions for the analysis of, large information resources - Big Data. In the process of this analysis can be used procedures for collecting information and analysis for the accurate assessment - in terms of emotional (sentiments - good, bad) of studied phenomena - in the past, in real time, as well as to the prediction. The article is a presentation of the key parts of this procedure - being automate the process of identifying sentiment words. (original abstract)

Słowa kluczowe

PL

Informacja; Informacja w internecie; Analiza danych; Big Data

EN

Information; Information on the Internet; Data analysis; Big Data

• Czasopismo: Studia Medioznawcze
• Rocznik: 2016
• Numer: nr 4 (67)
• Strony: 103--111

Twórcy

autor

Włodzimierz Gogołek

• Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego w Warszawie

autor

Dariusz Jaruga

• Uniwersytet Warszawski

Bibliografia

• M. Szymczak, Słownik języka polskiego, Warszawa, 1978.
• V. Marx, The big challenges of Big Data [w:] "Nature" 2013, vol. 498; W. Gogołek, P. Kuczma, Rafinacja informacji sieciowych na przykładzie wyborów parlamentarnych, "Studia Medioznawcze" 2013, nr 2 (53), s. 89.
• U. Fayyad, G. Piatetsky-Shapiro, P. Smyth, From Data mining to knowledge discovery in Database, www.csd. uwo.ca/faculty/ling/cs435/fayyad.pdf [dostęp: 11.11.2016].
• Ch. Curme et al., Quantifying the semantics of search behavior before stock market moves, "PNAS" 2014, nr 32.
• J. Smailovič, Predictive sentiment analysis of Tweets: A stock market application [w:] Human-computer interaction and knowledge discovery in complex, unstructured, Big Data 2013, s. 77-88.
• Y. Hongliang et al., Identifying sentiment words using an optimization-based model without Seed Words, https://www.google.pl/url?sa=t&rct=j&q=&esrc=s&source=web&cd=3&cad=rja&uact=8&ved=0ahUKEwjEl5- W966XQAhUDjSwKHU_OAT4QFgguMAI&url=http%3A%2F%2Fieeexplore.ieee.org%2Fiel7%2F7222492%2F 7222827%2F07222836.pdf&usg=AFQjCNHT85uTAy_yYKjle7fngNTF67jctw [dostęp: 11.11.2016].|
• M. Huberty, Awaiting the second revolution: From digital noise to value creation, http://eds-1a-1ebscohost-1com-1ebsco.han.buw.uw.edu.pl/eds/detail/detail?vid=3&sid=16298e68-0990-4883-9fc20e0e51a4dab5%40sessionmgr4004&hid=4205&bdata=Jmxhbmc9cGwmc2l0ZT1lZHMtbGl2ZSZzY29wZT1zaXRl