Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen:
https://doi.org/10.21256/zhaw-1530| Titel: | A Twitter corpus and benchmark resources for german sentiment analysis |
| Autoren: | Cieliebak, Mark Deriu, Jan Milan Egger, Dominic Uzdilli, Fatih |
| Seiten: | 45 |
| Seiten bis: | 51 |
| Angaben zur Konferenz: | 5th International Workshop on Natural Language Processing for Social Media, Boston, MA, USA, December 11, 2017 |
| Verlag / Hrsg. Institution: | Association for Computational Linguistics |
| Erscheinungsdatum: | 11-Dez-2017 |
| Lizenz (gemäss Verlagsvertrag): | Lizenz gemäss Verlagsvertrag |
| Art der Begutachtung: | Peer review (Abstract) |
| Sprache: | Englisch |
| Schlagwörter: | Sentiment Analysis; Corpus; Twitter |
| Fachgebiet (DDC): | 004: Informatik 005: Computerprogrammierung, Programme und Daten 410.285: Computerlinguistik |
| Zusammenfassung: | In this paper we present SB10k, a newcorpus for sentiment analysis with approx.10,000 German tweets.We use this new corpus and two existingcorpora to provide state-of-the-art bench-marks for sentiment analysis in German:we implemented a CNN (based on thewinning system of SemEval-2016) anda feature-based SVM and compare theirperformance on all three corpora.For the CNN, we also created Germanword embeddings trained on 300Mtweets. These word embeddings werethen optimized for sentiment analysisusing distant-supervised learning.The new corpus, the German wordembeddings (plain and optimized), andsource code to re-run the benchmarks arepublicly available. |
| Departement: | School of Engineering |
| Organisationseinheit: | Institut für Angewandte Informationstechnologie (InIT) |
| Publikationstyp: | Konferenz: Paper |
| DOI: | 10.18653/v1/W17-1106 10.21256/zhaw-1530 |
| URI: | https://digitalcollection.zhaw.ch/handle/11475/1856 |
| Enthalten in den Sammlungen: | Publikationen School of Engineering |
Dateien zu dieser Ressource:
| Datei | Beschreibung | Größe | Format | |
|---|---|---|---|---|
| 10_Paper.pdf | 516.72 kB | Adobe PDF |  Öffnen/Anzeigen |
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.