Automatyczna analiza opinii konsumenckich

• Autorzy: Paweł Lula

Warianty tytułu

Exploratory Analysis of Consumers' Opinions

• Języki publikacji: PL

Abstrakty

Celem artykułu jest próba klasyfikacji i scharakteryzowania metod automatyzacji analizy opinii konsumenckich oraz przedstawienie wyników prób ich zastosowania do analizy opinii polskojęzycznych. W pierwszej części pracy zaprezentowano klasyfikację opinii oraz metod ich analizy. Część druga poświęcona jest systemom rozpoznającym ogólny charakter opinii, natomiast trzecia zawiera charakterystykę systemów pozwalających na ocenę poszczególnych atrybutów badanych produktów. W referacie zaprezentowano proces budowy oraz ocenę dwóch różnych systemów analizy opinii konsumenckich. W ostatnim punkcie zamieszczono wnioski wynikające z przedstawionych badań.(abstrakt oryginalny)

EN

The presentation and classification of selected methods of opinion mining is the main goal of the paper. The paper is composed of three main parts. In the first one some introductory remarks concerning consumer opinions and methods of their analysis are presented. The second part is focused on the systems of opinion classification. In the third part of the article systems for product attributes evaluation are shown. These tools are divided into two groups: expert systems and machine learning models. The last part also shows and evaluates the results of two exemplary opinion mining solutions.(original abstract)

Słowa kluczowe

PL

Konsument; Badania konsumenckie; Uczenie maszynowe

EN

Consumer; Consumer research; Machine learning

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2011
• Tom: 18
• Numer: nr 176 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 53--62

Twórcy

autor

Paweł Lula

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Berry M.W. (red.), Survey of Text Mining. Clustering, Classification, and Retrieval, Springer, New York 2003.
• Brown P.F., Della Pietra S.A., Della Pietra V.J., Mercer R.L., The mathematics of statistical machine translation: Parameter estimation, "Association for Computational Linguistic" 1993, vol. 19, no. 2, s. 263-311.
• Das S., Chen M., Yahoo! for Amazon: Extracting Market Sentiment from Stock Message Boards, Proceedings of the Asia Pacific Finance Association Annual Conference (APFA), Bangkok, Thailand, July 22-25, 2001.
• Dave K., Lawrence S., Pennock D.M., Mining the peanut gallery: Opinion extraction and semantic classification of product reviews, http://kushaldave.com/p451-dave.pdf, 2003.
• Goutte C., Cancedda N., Dymetman M., Foster G. (red.), Learning Machine Translation, Massachusetts Institute of Technology, The MIT Press, Cambridge - Massachusetts - London 2009.
• Nasukawa T., Yi J., Sentiment Analysis: Capturing Favorability Using Natural Language Processing, Proceedings of the Conference on Knowledge Capture (K-CAP), ACM, New York 2003, s. 70-77.
• Pang B., Lee L., Opinion mining and sentiment analysis, "Foundations and Trend in Information Retrieval" 2008, vol. 2, no. 1-2.
• Pang B., Lee L., Vaithyanathan S., Thumbs up? Sentiment Classification Using Machine Learning Techniques, Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP), Morristown 2002, s. 79-86.
• Turney P., Thumbs up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews, Proceedings of the Association for Computational Linguistics (ACL), Philadelphia 2002, s. 417-424.