TwitterWang et al. [12] noted the l

Twitter
Wang et al. [12] noted the lack of manually annotated
training data available for emotion recognition and proposed
Twitter as a solution. They considered the problem of categorising
tweets into 7 discrete emotional categories, and
noted their intention of applying the work to other domains
such as blog posts. Using a large database of 2.4 million
tweets, they demonstrated an impressive 65.57% accuracy
in a 7-emotion category task. Categorical emotions were assigned
using the presence of one of 131 emotional hashtags
that appeared at the end of each tweet such as `#nervous'
or `#love'. Hashtags were a convincing approach for discrete
emotional labels, as hashtags are themselves a user's
categorisation of their own tweet. Pak et al. [8] investigated
the problem of classifying the sentiment of twitter posts us-

ผลลัพธ์ (ไทย) 1:

ทวิตเตอร์วังร้อยเอ็ด [12] บันทึกไว้ไม่มีคำอธิบายประกอบด้วยตนเองข้อมูลการฝึกอบรมสำหรับอารมณ์การรับรู้ และเสนอทวิตเตอร์เป็นโซลูชัน พวกเขาถือว่าเป็นปัญหาของการจำแนกทวีเป็นประเภทอารมณ์แยก 7 และสังเกตความตั้งใจของการใช้งานโดเมนอื่น ๆเช่นบล็อก ใช้ฐานข้อมูลขนาดใหญ่ของ 2.4 ล้านทวี พวกเขาแสดง 65.57% แม่นยำน่าประทับใจในงานประเภทอารมณ์ 7 กำหนดอารมณ์ที่แน่ชัดใช้ของ 131 แฮชแท็กอารมณ์อย่างใดอย่างหนึ่งที่ปรากฏที่ส่วนท้ายของแต่ละทวีตเช่น '#nervous'หรือ '#love' แฮชแท็กได้วิธีการน่าเชื่อถือสำหรับการแยกป้ายอารมณ์ แฮชแท็กเป็นตัวเองของผู้ใช้categorisation ของทวีตเตอร์ของตนเอง ตรวจสอบปากร้อยเอ็ด [8]ปัญหาของการจัดประเภทความเชื่อมั่นของทวิตเตอร์โพสต์เรา-

ผลลัพธ์ (ไทย) 2:

ทวิตเตอร์
วัง et al, [12] ตั้งข้อสังเกตการขาดข้อเขียนด้วยตนเอง
ข้อมูลการฝึกอบรมสำหรับการรับรู้อารมณ์และเสนอ
ทวิตเตอร์เป็นวิธีแก้ปัญหา พวกเขาคิดว่าปัญหาของการจัดประเภท
ทวีตออกเป็น 7 ประเภทอารมณ์ไม่ต่อเนื่องและ
ตั้งข้อสังเกตความตั้งใจของพวกเขาของการใช้งานที่โดเมนอื่น ๆ
เช่นบล็อกโพสต์ โดยใช้ฐานข้อมูลขนาดใหญ่ 2.4 ล้าน
ทวีตของพวกเขาแสดงให้เห็นถึงความประทับใจความถูกต้อง 65.57%
ในหมวดหมู่งาน 7 อารมณ์ อารมณ์เด็ดขาดที่ได้รับมอบหมาย
โดยใช้การปรากฏตัวของหนึ่งใน 131 hashtags อารมณ์
ที่ปรากฏตอนท้ายของแต่ละทวีตเช่น `#nervous '
หรือ` #love' แฮชแท็กเป็นวิธีการที่น่าเชื่อถือสำหรับการที่ไม่ต่อเนื่อง
ฉลากอารมณ์เป็นแฮชแท็กตัวเองของผู้ใช้
จัดหมวดหมู่ของการทวีตของตัวเอง ปาก et al, [8] การตรวจสอบ
ปัญหาการจำแนกประเภทของความเชื่อมั่นของการโพสต์ทวิตเตอร์จากสหรัฐ

ผลลัพธ์ (ไทย) 3:

ที่ TwitterWang et al . [ 12 ] สังเกตการด้วยตนเองบันทึกย่อข้อมูลการฝึกอบรม สามารถรับรู้อารมณ์ และเสนอTwitter เป็นโซลูชัน เขาพิจารณาปัญหาของ categorisingทวีตเป็น 7 ไม่ต่อเนื่องอารมณ์ ประเภท และสังเกตความตั้งใจของพวกเขาใช้งานโดเมนอื่น ๆเช่นการโพสต์บล็อก การใช้ฐานข้อมูลขนาดใหญ่ 2.4 ล้านทวิตเตอร์ , พวกเขาแสดงที่น่าประทับใจ 65.57 % ความถูกต้องใน 7-emotion ประเภทงาน อารมณ์อย่างแท้จริงได้รับมอบหมายการปรากฏตัวของอารมณ์ hashtags 131ที่ปรากฏในตอนท้ายของแต่ละทวีต เช่น " # ประสาท '# หรือ ' ความรัก ' เป็นวิธีการที่น่าเชื่อถือสำหรับ hashtags โดยสิ้นเชิงป้ายอารมณ์เป็น hashtags ตัวเองของผู้ใช้categorisation ของ tweet ของตัวเอง ปาก et al . [ 8 ] สืบสวนปัญหาคือความเชื่อมั่นของ Twitter โพสต์ - เรา