Determining word-emotion associations from tweets by multi-label classification

DOITrouver le DOI : http://doi.org/10.1109/WI.2016.0091
AuteurRechercher : ; Rechercher : ; Rechercher : ; Rechercher :
TypeArticle
Titre du compte rendu2016 IEEE/WIC/ACM International Conference on Web Intelligence (WI)
Conférence2016 IEEE/WIC/ACM International Conference on Web Intelligence (WI), October 13-16, 2016, Omaha, NE, USA
ISBN978-1-5090-4470-2
Pages536539
RésuméThe automatic detection of emotions in Twitter posts is a challenging task due to the informal nature of the language used in this platform. In this paper, we propose a methodology for expanding the NRC word-emotion association lexicon for the language used in Twitter. We perform this expansion using multi-label classification of words and compare different word-level features extracted from unlabelled tweets such as unigrams, Brown clusters, POS tags, and word2vec embeddings. The results show that the expanded lexicon achieves major improvements over the original lexicon when classifying tweets into emotional categories. In contrast to previous work, our methodology does not depend on tweets annotated with emotional hashtags, thus enabling the identification of emotional words from any domain-specific collection using unlabelled tweets.
Date de publication
Maison d’éditionIEEE
Langueanglais
AffiliationTechnologies numériques; Conseil national de recherches Canada
Publications évaluées par des pairsOui
Numéro NPARC23002696
Exporter la noticeExport en format RIS
Signaler une correctionSignaler une correction
Identificateur de l’enregistrement4d5e5a1e-cdda-46cc-a4b2-77febb7468d1
Enregistrement créé2017-12-21
Enregistrement modifié2017-12-21
Mettre en signet et diffuser
  • Partagez cette page avec Facebook (Ouvre dans une nouvelle fenêtre)
  • Partagez cette page avec Twitter (Ouvre dans une nouvelle fenêtre)
  • Partagez cette page avec Google+ (Ouvre dans une nouvelle fenêtre)
  • Partagez cette page avec Delicious (Ouvre dans une nouvelle fenêtre)
Date de modification :