Social følelsesdetektor:Undersøgelse af følelsesmæssige reaktioner på sociale begivenheder

Tilsyneladende halvdelen af ​​verdens befolkning bruger nu sociale medier til at dele deres tanker og til at opleve andres tanker. Der er intet emne efterladt urepræsenteret af brugere fra meninger om teknologi, politik, samfund, kendte personer, sport, musik, biograf, sundhed, krig, religion, sex og mere. Intet er tabu.

At udtrække de kollektive følelsesmæssige reaktioner på sociale begivenheder fra lokal til international skala fra sociale medieopdateringer er fortsat et mål for datalogi, og dem, det sigter mod at hjælpe med at gøre brug af de semantiske og følelsesmæssige data, der kan udvindes fra sociale medier.

Et italiensk hold skriver i International Journal of Metadata, Semantik og ontologier , diskuterer en tilgang til at undersøge følelsesmæssige reaktioner på sociale begivenheder.

"Sociale medier er blevet et omdrejningspunkt for deling af information om hverdagens begivenheder; mennesker, virksomheder, og organisationer udtrykker meninger der, " Danilo Cavaliere og Sabrina Senatore fra University of Salerno, i Fisciano forklare. De tilføjer, at studere og identificere forskellige følelser og følelser, som repræsenteret ved sociale netværksopdateringer, såsom såkaldte "tweets" på mikroblogging-platformen kendt som Twitter kræver håndtering af big data og at kunne forstå den underliggende følelsesmæssige karakter af opdateringerne i kontekst.

Teamet har valgt en tilgang, der giver dem mulighed for at komme ind på et bestemt emne baseret på specifikke søgeord, fremhævet i tweets med et #-symbol og almindeligvis kendt som hashtags. De har bygget en ordliste over følelser efter at have udtrukket semantikken fra en prøvedatabase med opdateringer og omtaler dette som en "emotionel konceptontologi."

Holdet demonstrerer derefter, hvordan deres ontologi kan bruges til at træne et databaseklassifikationsværktøj (Support Vector Machine) til at "forstå" den følelsesmæssige karakter og indholdet af nye tweets, som en algoritme bygget på denne træning præsenteres med. De har demonstreret principbevis med succes med prøvedatasæt selv med komplicerede, mangefacetterede tweets.