首页> 外文OA文献 >DRAMA TV SENTIMENT ANALYSIS PADA SOSIAL MEDIA MENGGUNAKAN NAIVE BAYES CLASSIFIER (NBC)
【2h】

DRAMA TV SENTIMENT ANALYSIS PADA SOSIAL MEDIA MENGGUNAKAN NAIVE BAYES CLASSIFIER (NBC)

机译:使用朴素贝叶斯分类器(NBC)对社交媒体中的电视DRAMA进行情感分析

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。

摘要

Salah satu fungsi dari sosial media adalah sebagai media promosi, kajian mengenai sosial media sebagai media advertensi adalah pokok persoalan yang baru yang belum sepenuhnya dipahami oleh masyarakat, akan tetapi telah digunakan oleh berbagai perusahaan untuk meningkatkan pertumbuhan bisnis. Kampanye advertensi tradisional telah diambil alih oleh sosial media baik dari perusahaan kecil ataupun besar. Hal ini menandakan bahwa advertensi komunikasi pemasaran pada sosial media saat ini adalah sangat berpengaruh pada bisnis. Penelitian ini berfokus pada tema drama televisi. Tujuan penelitian adalah untuk menentukan popularitas drama tv yang diambil dari sosial media, twitter. Salah satu metode text mining yang bisa digunakan untuk menyelesaikan masalah sentiment analysis adalah Naïve Bayes Classifer (NBC). Sumber data yang akan diproses adalah data mentah yang bersumber dari twitter yang berhubungan dengan drama televisi. Data sebelumnya akan melewati proses tokenisasi, penormalan teks, dan stop word. Kemudian diklasifikasikan ke dalam klasifikasi sentiment positif atau negatif. Dilanjutkan dengan penggunaan confusion matrix untuk mengukur akurasi, presisi, recall, dan f-measure. Data dibagi menjadi tiga judul drama televisi, The Handmaid’s Tale, House of Cards, dan Atypical yang mana meghasilkan akurasi pada tiap proses yaitu 86%, 96.64%, dan 96%.
机译:社交媒体的功能之一是作为促销媒体,对社交媒体作为广告媒体的研究是一个新的问题,公众尚未完全理解,但已被各种公司用来促进业务增长。社交媒体已从大小公司手中接管了传统的广告活动。这表明当今社交媒体上的营销传播广告对业务影响很大。这项研究集中在电视剧的主题上。研究目的是确定取自社交媒体Twitter的电视剧的受欢迎程度。可以用于解决情感分析问题的文本挖掘方法之一是朴素贝叶斯分类器(NBC)。要处理的数据源是从Twitter提取的与电视剧有关的原始数据。先前的数据将经历标记化,文本规范化和停用词的过程。然后分为正面或负面情绪分类。随后使用混淆矩阵来测量准确性,精度,召回率和f量度。数据分为三个电视剧标题:《女仆的故事》,《纸牌屋》和《非典型》,这两个过程的准确性分别为86%,96.64%和96%。

著录项

  • 作者

    GANI ILMIANTO MAULANA;

  • 作者单位
  • 年度 2017
  • 总页数
  • 原文格式 PDF
  • 正文语种
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号