Aller au contenu principal
2024 book-chapter

Twitter Sentiment Analyser Using NLP Techniques

1Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : in. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Twitter is a popular platform where users express their opinions on various topics, including social, political, and economic issues. By monitoring the sentiment of tweets related to a particular topic, companies or governments can identify potential problems before they escalate into full-blown crises, allowing them to take appropriate action in a timely manner. The chapter typically involves collecting a large dataset of tweets, cleaning and pre-processing the data, and then using natural language processing (NLP) and machine learning techniques to classify the sentiment of each tweet.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Twitter Sentiment Analyser Using NLP Techniques
Date Crossref
27/02/2024
Éditeur
IGI Global
Type
book-chapter

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • St. Xavier's College (Autonomous) pays non établi dans la notice
    Université ou école supérieure
  • St Xavier’s College pays non établi dans la notice
    Université ou école supérieure

St. Xavier's College (Autonomous) et St Xavier’s College.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Sentiment Analysis and Opinion MiningSpam and Phishing DetectionTopic Modeling

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.