Microblogging nowadays became one o

Microblogging nowadays became one of the major types
of the communication. A recent research has identified it
as online word-of-mouth branding (Jansen et al., 2009).
The large amount of information contained in microblogging web-sites makes them an attractive source of data for opinion mining and sentiment analysis.
In our research, we have presented a method for an automatic collection of a corpus that can be used to train a sentiment classifier. We used TreeTagger for POS-tagging and observed the difference in distributions among positive, negative and neutral sets. From the observations we conclude that authors use syntactic structures to describe emotions or state facts. Some POS-tags may be strong indicators
of emotional text. We used the collected corpus to train a sentiment classifier. Our classifier is able to determine positive, negative and
neutral sentiments of documents. The classifier is based on the multinomial Na¨ıve Bayes classifier that uses N-gram
and POS-tags as features. As the future work, we plan to collect a multilingual corpus of Twitter data and compare the characteristics of the corpus
across different languages. We plan to use the obtained data to build a multilingual sentiment classifier.

ผลลัพธ์ (ไทย) 1:

Microblogging ในปัจจุบันกลายเป็นหนึ่งของชนิดหลักของการสื่อสาร การวิจัยล่าสุดได้ระบุว่าเป็นออนไลน์คำของปากตราสินค้า (แจนเซน et al., 2009)จำนวนข้อมูลที่มีอยู่ในเว็บไซต์ microblogging ขนาดใหญ่ทำให้พวกเขาแหล่งน่าสนใจของข้อมูลสำหรับการทำเหมืองความคิดและการวิเคราะห์ความเชื่อมั่นงานวิจัยของเรา เราได้นำเสนอวิธีการการเก็บรวบรวมอัตโนมัติของสถานีเรืออากาที่สามารถใช้ฝึก classifier ความเชื่อมั่น เราใช้ TreeTagger สำหรับติดป้าย POS และสังเกตความแตกต่างในการกระจายระหว่างชุดบวก ลบ และเป็นกลาง จากการสังเกต เราสรุปว่า ผู้เขียนใช้โครงสร้างทางไวยากรณ์เพื่ออธิบายถึงอารมณ์หรือสภาวะข้อเท็จจริง POS บางแท็กอาจแข็งตัวบ่งชี้ข้อความทางอารมณ์ เราใช้คอร์พัสคริรวบรวมรถไฟ classifier ความเชื่อมั่น Classifier ของเราจะสามารถรู้ได้ว่าบวก ลบ และรู้สึกเป็นกลางของเอกสาร Classifier ที่ยึด classifier Na¨ıve Bayes ก็ตามที่ใช้ N กรัมและ POS-แท็กเป็นคุณลักษณะ เป็นการทำงานในอนาคต เราจะรวบรวมคอร์พัสคริภาษาข้อมูล Twitter และเปรียบเทียบลักษณะของคอร์พัสคริข้ามภาษา เราจะใช้ข้อมูลได้รับการสร้าง classifier ภาษาความเชื่อมั่น

ผลลัพธ์ (ไทย) 2:

microblogging
ในปัจจุบันกลายเป็นหนึ่งในประเภทหลักของการสื่อสาร งานวิจัยที่ผ่านมาได้ระบุว่ามันเป็นออนไลน์การสร้างตราสินค้าคำพูดจากปาก (Jansen et al., 2009). จำนวนมากของข้อมูลที่มีอยู่ในเว็บไซต์เว็บ microblogging ทำให้พวกเขาเป็นแหล่งที่น่าสนใจของข้อมูลสำหรับการทำเหมืองความคิดเห็นและการวิเคราะห์ความเชื่อมั่น. ในของเรา การวิจัยเราได้นำเสนอวิธีการสำหรับคอลเลกชันอัตโนมัติของร่างกายที่สามารถนำมาใช้ในการฝึกอบรมลักษณนามความเชื่อมั่น เราใช้ TreeTagger สำหรับ POS ติดแท็กและสังเกตเห็นความแตกต่างในการกระจายในหมู่บวกลบและชุดที่เป็นกลาง จากการสังเกตที่เราสรุปได้ว่าผู้เขียนใช้โครงสร้างประโยคเพื่ออธิบายอารมณ์หรือข้อเท็จจริงรัฐ บางแท็ก POS อาจจะเป็นตัวชี้วัดที่แข็งแกร่งของข้อความทางอารมณ์ เราใช้คลังเก็บรวบรวมในการฝึกอบรมลักษณนามความเชื่อมั่น ลักษณนามของเราสามารถที่จะตรวจสอบในเชิงบวกเชิงลบและความรู้สึกที่เป็นกลางของเอกสาร ลักษณนามจะขึ้นอยู่กับจําแนกพหุไร้เดียงสา Bayes ที่ใช้ N-กรัมและPOS แท็กเป็นคุณสมบัติ ขณะที่การทำงานในอนาคตเราวางแผนที่จะเก็บคลังพูดได้หลายภาษาของข้อมูลทวิตเตอร์และเปรียบเทียบลักษณะของคลังที่ผ่านภาษาที่แตกต่าง เราวางแผนที่จะใช้ข้อมูลที่ได้รับในการสร้างความเชื่อมั่นลักษณนามพูดได้หลายภาษา

ผลลัพธ์ (ไทย) 3:

microblogging ทุกวันนี้กลายเป็นหนึ่งในสาขาประเภท
ของการสื่อสาร การวิจัยล่าสุดได้ระบุว่ามันเป็นปากต่อปาก
สร้างตราสินค้าออนไลน์ ( Jansen et al . , 2009 ) .
ขนาดใหญ่ปริมาณของข้อมูลที่มีอยู่ในเว็บไซต์ microblogging ที่ทำให้พวกเขาเป็นแหล่งที่น่าสนใจของข้อมูลเหมืองแร่ความเห็นและการวิเคราะห์ความเชื่อมั่น .
ในงานวิจัยของเราเราได้นำเสนอวิธีการสำหรับการเก็บรวบรวมอัตโนมัติของข้อมูลที่สามารถใช้เพื่อฝึกความรู้สึกตัว . เราใช้ treetagger ปฏิบัติติดตามและสังเกตความแตกต่างในการกระจายของบวก ลบ และเป็นกลาง ชุด จากการทดลองสรุปได้ว่า ผู้เขียนใช้โครงสร้างประโยคเพื่ออธิบายข้อเท็จจริง อารมณ์ หรือรัฐ แท็กบางแท็ก POS อาจจะแรงตัวบ่งชี้
ข้อความอารมณ์ เราใช้เก็บรวบรวมข้อมูล เพื่อฝึกความรู้สึกตัว . เราสามารถกำหนดขนาดบวก , ลบและ
เป็นกลางความรู้สึกของเอกสาร การจำแนกตามอายุ¨ıได้ Bayes ลักษณนามที่ใช้นา n-gram
และแท็ก POS เป็นคุณลักษณะ งานในอนาคตเราวางแผนที่จะรวบรวมเป็นคลังข้อมูลภาษาของข้อมูล Twitter และเปรียบเทียบคุณลักษณะของคลังข้อมูล
ข้ามภาษา เราวางแผนที่จะใช้ข้อมูลที่ได้รับเพื่อสร้างความเชื่อมั่นหลายภาษาลักษณนาม