Sentiment analiza objava sa društvene mreže Twitter o COVID-19 vakcinama

Filip Zdelar

doi:10.24867/27BE12Zdelar

Filip Zdelar

DOI: https://doi.org/10.24867/27BE12Zdelar

Ključne reči: sentiment, twitter, COVID

Apstrakt

U ovom radu predstavljen je razvoj sistema za analizu Tviter podataka o vakcinama protiv COVID-19 virusa u Srbiji. Analiza uključuje sistem za detekciju sentimenta i detekciju teme kojom se tvit bavi. Za potrebe izrade projekta, preuzet je označen skup engleskih tvitova i prikupljen skup srpskih tvitova koju su prevedeni na engleski jezik. Za detekciju sentimenta isprobana su dva pristupa obučavanje modela nadgledanog učenja na označenom skupu podataka engleskih tvitova o COVID-19 virusu. Na zadatku detekcije sentimenta najbolje performanse ostvarene su kovolucione neuronske mreže metodom koja je postizala tacnost 59% i identifikovano da postoji ukupno je 38% pozitivnih, 37% negativnih i 25% neutralnih srpskih tvitova. Model tema ostvario je koherentnost od 0.45 i identifikovano je petnaest tema.

Reference

[1] https://www.who.int/emergencies/diseases/novel-coronavirus-2019/covid-19-vaccines (pogledano 3. 10. 2023.)
[2] https://covid19.trackvaccines.org/agency/who/ (pogledano 15. 4. 2022.)
[3] https://www.srbija.gov.rs/vest/en/166398/mass-vaccination-in-serbia-starts-today.php (pogledano 15. 4. 2022.)
[4] Raj Kumar Gupta, Ajay Vishwanath i Yinping Yang. “COVID-19 Twitter Dataset with Latent Topics, Sentiments and Emotions Attributes”. CoRR abs/2007.06954 (2020.)
[5] CrystalFeel. Multidimensional Emotion Intensity Analysis from Natural Language. Institute of High Performance Computing, A*STAR. URL: https://socialanalyticsplus.net/crystalfeel (pogledano 30. 8. 2022.)
[6] https:// developer.twitter.com/en/products/twitter-api/academic-research (pogledano 15. 4. 2022.).
[7] Alaa Khudhair Abbas i dr. “Twitter sentiment analysis using an ensemble majority vote classifier”. en. Xi’nan Jiaotong Daxue xuebao