Abstract | Keywords | Export | Availability | Bookmark

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Doelstelling: Het doel van deze studie was om een algemene literatuurstudie over sentiment analyse te presenteren en meerbepaald over twee bekende knelpunten: de normalisatie van vervuilde tekst en het aanpassen van subjectiveitslexicons aan een bepaald domein. Middelen of methode: Er werd gebruik gemaakt van drie subjectiviteitslexicons om experimenten mee uit te voeren: (1) een algemeen Nederlandstalig lexicon opgesteld door Jijkoun en Hofmann (2009); (2) een aan het domein aangepast zelfmoordlexicon; (3) het algemeen Nederlandstalig lexicon samengevoegd met het zelfmoordlexicon. Er werd nagegaan hoeveel woorden de verschillende subjectiviteitslexicons konden detecteren in een training set van 300 blogberichten. Daarbij werd gebruik gemaakt van twee versies van de 300 blogberichten: een originele, vervuilde versie en een manueel genormaliseerde versie. Resultaten: Bij het vergelijken van de genormaliseerde en de vervuilde versie, viel er slechts een kleine verbetering waar te nemen door de verschillende lexicons op de genormaliseerde versie van de data. De normalisatie heeft bijgevolg weinig uitgehaald. Een mogelijke verklaring is dat de veranderingen die werden aangebracht geen grote lexicale waarde bevatten en dus weinig baat hebben bij een lexicon-gebaseerde aanpak. Bij het nagaan van hoe goed de verschillende lexicons in staat waren om suïcidale berichten op te sporen, bleek dat het zelfmoordlexicon de beste resultaten behaalde. Op de vervuilde data slaagde het zelfmoordlexicon erin om 91.6% van de berichten correct te bestempelen, terwijl het algemeen Nederlandstalig lexicon en het samengevoegd lexicon een score haalden van respectievelijk 87.6% en 91%. De lexicons haalden bijna volledig dezelfde resultaten op de genormaliseerde data als op de vervuilde data. Deze scores zouden nog verbeterd kunnen worden als het zelfmoordlexicon zou worden uitgebreid.

Normalisatie. --- Sentiment analyse. --- Sociale netwerksite. --- Subjectiviteitslexicons. --- Taaltechnologische studie. --- Vervuilde tekst. --- Zelfmoordberichten.