Development of new methods for sentiment and text analysis in social networks to predict user preferences

Abstract

С быстрым развитием электронной коммерции все больше потребителей размещают отзывы о товарах на интернет-платформах. Столкнувшись с более прямой обратной связью от пользователей, компании столкнулись с серьезной проблемой интеграции информации обратной связи и быстрого реагирования на нее. Рост платформ социальных сетей, таких как Twitter, также предоставил широкую базу данных для анализа общественного мнения и опросов общественного мнения, основанных на онлайн-данных. В отличие от общего анализа настроений, анализ настроений на основе атрибутов или характеристик является более "гранулированным" и нацелен на предоставление серии кратких выражений, основанных на информации из обзоров, для указания предпочтений группы потребителей по каждому атрибуту продукта. В этой статье мы рассмотрим, какие методы используются в анализе настроений и как они применяются. Сравнивая сильные и слабые стороны этих методов, мы нашли новый способ выполнения задачи анализа настроений с пятью категориями (наша цель - классифицировать комментарии как: очень нравится, нравится, нейтральный, не нравится и очень не нравится).

With the rapid development of e-commerce, more and more consumers are posting product reviews on online platforms. Faced with more direct feedback from users, companies have faced a major challenge in integrating feedback information and responding to it quickly. The rise of social media platforms such as Twitter has also provided a broad base for public opinion analysis and opinion polls based on online data. Unlike general sentiment analysis, attribute or characteristic-based sentiment analysis is more 'granular' and aims to provide a series of concise expressions, based on information from surveys, to indicate the preferences of a consumer group for each product attribute. In this article we look at what methods are used in sentiment analysis and how they are applied. By comparing the strengths and weaknesses of these methods, we have found a new way to perform the task of sentiment analysis with five categories (our aim is to classify comments as: very like, like, neutral, dislike and very dislike).