Mining Tweet Data - Statistic and semantic information for political tweet classification
| Autor: | Guillaume Tisserant, Mathieu Roche, Violaine Prince |
|---|---|
| Přispěvatelé: | Exploration et exploitation de données textuelles (TEXTE), Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier (LIRMM), Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS), ADVanced Analytics for data SciencE (ADVANSE), Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-AgroParisTech-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad) |
| Jazyk: | angličtina |
| Rok vydání: | 2014 |
| Předmět: |
Tweets
Information retrieval U10 - Informatique mathématiques et statistiques Computer science Text Mining media_common.quotation_subject InformationSystems_INFORMATIONSTORAGEANDRETRIEVAL [INFO.INFO-WB]Computer Science [cs]/Web 000 - Autres thèmes Representation (arts) Classification [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] Named entity [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing C30 - Documentation et information [INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR] Quality (business) media_common |
| Zdroj: | 6th International Conference on Knowledge Discovery and Information Retrieval KDIR: Knowledge Discovery and Information Retrieval KDIR: Knowledge Discovery and Information Retrieval, Oct 2014, Rome, Italy. pp.523-529, ⟨10.5220/0005170205230529⟩ KDIR Proceedings of the 6th International Conference on Knowledge Discovery and Information Retrieval : KDIR 2014, Rome, Italy, 21-24 October, 2014 Scopus-Elsevier |
| Popis: | KDIR is part of IC3K, the International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management; International audience; This paper deals with the quality of textual features in messages in order to classify tweets. The aim of our study is to show how improving the representation of textual data affects the performance of learning algorithms. We will first introduce our method GenDesc. It generalises less relevant words for tweet classi- fication. Secondly we compare and discuss the types of textual features given by different approaches. More precisely we discuss the semantic specificity of textual features, e.g. Named Entity, HashTag. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|