网民对海外品牌的优化情感分类模型

Mochamad Nurul Huda, Daffa Almer Fauzan, Muhammad Putra Pamungkas, Nikita Sabila Ratnadewi, Azzahra Ayu Vahendra
{"title":"网民对海外品牌的优化情感分类模型","authors":"Mochamad Nurul Huda, Daffa Almer Fauzan, Muhammad Putra Pamungkas, Nikita Sabila Ratnadewi, Azzahra Ayu Vahendra","doi":"10.35134/komtekinfo.v10i1.360","DOIUrl":null,"url":null,"abstract":"Abstract \nResearch on text mining has grown more than ever in various sectors. Public figures have also grown in interest towards the field and have the tendency to get to know more about consumers’ perceptions toward relevant goods and the reputation of an individual in social media. Sentiment analysis is a state-of-the-art technique that can be utilized to evaluate such trends or general views, for instance the reputation of a fashion brand. The dataset is built upon the crawled tweets that are relevant with the required topics which have the purpose to analyze the preferred fashion brand of the public. This study shows that the public leads to a positive notion toward foreign bag brands. The algorithms that are being compared includes Logistic Regression, Multinomial Naïve Bayes, Decision Tree, K-Nearest Neighbors, Random Forest, and Support Vector Machine. Support Vector Machine provides the best model which reaches 69% in accuracy. The Synthetic Minority Oversampling Technique (SMOTE) was also conducted to improve the model. Result shows that the Support Vector Machine model has successfully increased its accuracy by 13%, reaching an accuracy of 82%. \nKeywords:   Sentiment Analysis, Brand, Machine Learning, Classification, SMOTE \nAbstrak \nPenelitian mengenai text mining telah mengalami peningkatan dibanding sebelumnya di dalam berbagai sektor. Figur publik juga semakin tertarik terhadap bidang tersebut dan memiliki kecenderungan untuk mengetahui lebih banyak mengenai persepsi konsumen terhadap suatu barang dan mengenai reputasi seseorang di media sosial. Sentimen analisis merupakan sebuah teknik state-of-the-art yang dapat digunakan untuk mengevaluasi suatu tren atau pandangan umum mengenai suatu hal, misalnya reputasi sebuah merek fashion. Sumber himpunan data yang digunakan pada penelitian ini dibuat berdasarkan crawling tweet yang relevan dengan topik yang dibutuhkan, yang bertujuan untuk menganalisis merek fashion yang disukai oleh masyarakat. Penelitian ini menunjukkan bahwa persepsi masyarakat mengarah pada persepsi positif terhadap merek tas luar negeri. Pada penelitian ini, beberapa algoritma digunakan sebagai perbandingan, antara lain Logistic Regression, Multinomial Naïve Bayes, Decision Tree, K-Nearest Neighbors, Random Forest, dan Support Vector Machine. Hasil pengujian model menunjukkan algoritma Support Vector Machine memiliki performa terbaik dengan accuracy sebesar 69%. Kemudian digunakan teknik Synthetic Minority Oversampling Technique (SMOTE) untuk meningkatkan performa dari model. Hasil menunjukkan bahwa model algoritma Support Vector Machine telah berhasil ditingkatkan dengan accuracy sebesar 13%, mencapai accuracy sebesar 82%. \nKata kunci: Sentimen Analisis, Merek, Pembelajaran Mesin, Klasifikasi, SMOTE","PeriodicalId":403738,"journal":{"name":"Jurnal KomtekInfo","volume":"282 4 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-03-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Optimalisasi Model Klasifikasi Sentimen Netizen Terhadap Merek Tas Luar Negeri\",\"authors\":\"Mochamad Nurul Huda, Daffa Almer Fauzan, Muhammad Putra Pamungkas, Nikita Sabila Ratnadewi, Azzahra Ayu Vahendra\",\"doi\":\"10.35134/komtekinfo.v10i1.360\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Abstract \\nResearch on text mining has grown more than ever in various sectors. Public figures have also grown in interest towards the field and have the tendency to get to know more about consumers’ perceptions toward relevant goods and the reputation of an individual in social media. Sentiment analysis is a state-of-the-art technique that can be utilized to evaluate such trends or general views, for instance the reputation of a fashion brand. The dataset is built upon the crawled tweets that are relevant with the required topics which have the purpose to analyze the preferred fashion brand of the public. This study shows that the public leads to a positive notion toward foreign bag brands. The algorithms that are being compared includes Logistic Regression, Multinomial Naïve Bayes, Decision Tree, K-Nearest Neighbors, Random Forest, and Support Vector Machine. Support Vector Machine provides the best model which reaches 69% in accuracy. The Synthetic Minority Oversampling Technique (SMOTE) was also conducted to improve the model. Result shows that the Support Vector Machine model has successfully increased its accuracy by 13%, reaching an accuracy of 82%. \\nKeywords:   Sentiment Analysis, Brand, Machine Learning, Classification, SMOTE \\nAbstrak \\nPenelitian mengenai text mining telah mengalami peningkatan dibanding sebelumnya di dalam berbagai sektor. Figur publik juga semakin tertarik terhadap bidang tersebut dan memiliki kecenderungan untuk mengetahui lebih banyak mengenai persepsi konsumen terhadap suatu barang dan mengenai reputasi seseorang di media sosial. Sentimen analisis merupakan sebuah teknik state-of-the-art yang dapat digunakan untuk mengevaluasi suatu tren atau pandangan umum mengenai suatu hal, misalnya reputasi sebuah merek fashion. Sumber himpunan data yang digunakan pada penelitian ini dibuat berdasarkan crawling tweet yang relevan dengan topik yang dibutuhkan, yang bertujuan untuk menganalisis merek fashion yang disukai oleh masyarakat. Penelitian ini menunjukkan bahwa persepsi masyarakat mengarah pada persepsi positif terhadap merek tas luar negeri. Pada penelitian ini, beberapa algoritma digunakan sebagai perbandingan, antara lain Logistic Regression, Multinomial Naïve Bayes, Decision Tree, K-Nearest Neighbors, Random Forest, dan Support Vector Machine. Hasil pengujian model menunjukkan algoritma Support Vector Machine memiliki performa terbaik dengan accuracy sebesar 69%. Kemudian digunakan teknik Synthetic Minority Oversampling Technique (SMOTE) untuk meningkatkan performa dari model. Hasil menunjukkan bahwa model algoritma Support Vector Machine telah berhasil ditingkatkan dengan accuracy sebesar 13%, mencapai accuracy sebesar 82%. \\nKata kunci: Sentimen Analisis, Merek, Pembelajaran Mesin, Klasifikasi, SMOTE\",\"PeriodicalId\":403738,\"journal\":{\"name\":\"Jurnal KomtekInfo\",\"volume\":\"282 4 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-03-25\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal KomtekInfo\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.35134/komtekinfo.v10i1.360\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal KomtekInfo","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35134/komtekinfo.v10i1.360","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

摘要文本挖掘的研究在各个领域都有了前所未有的发展。公众人物对这一领域的兴趣也在增长,他们倾向于更多地了解消费者对相关商品的看法,以及个人在社交媒体上的声誉。情感分析是一种最先进的技术,可以用来评估这种趋势或一般观点,例如时尚品牌的声誉。该数据集建立在与所需主题相关的抓取推文的基础上,这些推文的目的是分析公众偏爱的时尚品牌。这项研究表明,公众对外国手袋品牌的看法是积极的。被比较的算法包括逻辑回归、多项式Naïve贝叶斯、决策树、k近邻、随机森林和支持向量机。支持向量机提供了最好的模型,准确率达到69%。采用合成少数派过采样技术(SMOTE)对模型进行了改进。结果表明,支持向量机模型的准确率提高了13%,达到82%。关键词:情感分析,品牌,机器学习,分类,SMOTE文摘,文本挖掘,文本挖掘,文本挖掘,文本挖掘,文本挖掘,文本挖掘数字公共juga似乎是一种文化,但它是一种文化,它是一种文化,它是一种文化,它是一种文化,它是一种文化,它是一种文化,它是一种文化。情感分析merupakan sebuah teknik最先进的yang dapat digunakan untuk mengevaluasi suatu tren atau pandangan umum mengenai suatu hal, misalya reputasi sebuah merek fashion。Sumber himunan data yang digunakan pagada penelitian ini dibuberdasarkan爬行推文yang相关登高话题yang dibutuhkan, yang bertujuan untuk menganalis纯粹时尚yang disukai oleh masyarakat。Penelitian ini menunjukkan bahwa persepsi masyarakat mengarah pada persepsi positif,意思是“我不知道”。Pada penelitian ini, beberapa算法,digunakan sebagai perbandingan, antara lain Logistic回归,多项式Naïve贝叶斯,决策树,k近邻,随机森林,支持向量机。Hasil企鹅模型menunjukkan算法支持向量机memiliki表现的企鹅登根准确率达69%。合成少数过采样技术(SMOTE)用于脑膜肯行为模型。Hasil menunjukkan bahwa模型算法支持向量机telah berhasil ditingkatkan dengan准确率13%,menapai准确率82%。Kata kunci:情感分析,Merek, Pembelajaran Mesin, Klasifikasi, SMOTE
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Optimalisasi Model Klasifikasi Sentimen Netizen Terhadap Merek Tas Luar Negeri
Abstract Research on text mining has grown more than ever in various sectors. Public figures have also grown in interest towards the field and have the tendency to get to know more about consumers’ perceptions toward relevant goods and the reputation of an individual in social media. Sentiment analysis is a state-of-the-art technique that can be utilized to evaluate such trends or general views, for instance the reputation of a fashion brand. The dataset is built upon the crawled tweets that are relevant with the required topics which have the purpose to analyze the preferred fashion brand of the public. This study shows that the public leads to a positive notion toward foreign bag brands. The algorithms that are being compared includes Logistic Regression, Multinomial Naïve Bayes, Decision Tree, K-Nearest Neighbors, Random Forest, and Support Vector Machine. Support Vector Machine provides the best model which reaches 69% in accuracy. The Synthetic Minority Oversampling Technique (SMOTE) was also conducted to improve the model. Result shows that the Support Vector Machine model has successfully increased its accuracy by 13%, reaching an accuracy of 82%. Keywords:   Sentiment Analysis, Brand, Machine Learning, Classification, SMOTE Abstrak Penelitian mengenai text mining telah mengalami peningkatan dibanding sebelumnya di dalam berbagai sektor. Figur publik juga semakin tertarik terhadap bidang tersebut dan memiliki kecenderungan untuk mengetahui lebih banyak mengenai persepsi konsumen terhadap suatu barang dan mengenai reputasi seseorang di media sosial. Sentimen analisis merupakan sebuah teknik state-of-the-art yang dapat digunakan untuk mengevaluasi suatu tren atau pandangan umum mengenai suatu hal, misalnya reputasi sebuah merek fashion. Sumber himpunan data yang digunakan pada penelitian ini dibuat berdasarkan crawling tweet yang relevan dengan topik yang dibutuhkan, yang bertujuan untuk menganalisis merek fashion yang disukai oleh masyarakat. Penelitian ini menunjukkan bahwa persepsi masyarakat mengarah pada persepsi positif terhadap merek tas luar negeri. Pada penelitian ini, beberapa algoritma digunakan sebagai perbandingan, antara lain Logistic Regression, Multinomial Naïve Bayes, Decision Tree, K-Nearest Neighbors, Random Forest, dan Support Vector Machine. Hasil pengujian model menunjukkan algoritma Support Vector Machine memiliki performa terbaik dengan accuracy sebesar 69%. Kemudian digunakan teknik Synthetic Minority Oversampling Technique (SMOTE) untuk meningkatkan performa dari model. Hasil menunjukkan bahwa model algoritma Support Vector Machine telah berhasil ditingkatkan dengan accuracy sebesar 13%, mencapai accuracy sebesar 82%. Kata kunci: Sentimen Analisis, Merek, Pembelajaran Mesin, Klasifikasi, SMOTE
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信