Articles producció científicaEnginyeria Informàtica i Matemàtiques

SiTAKA at SemEval-2017 Task 4: Sentiment Analysis in Twitter Based on a Rich Set of Features

  • Dades identificatives

    Identificador:  imarina:9386104
    Handle: https://hdl.handle.net/20.500.11797/imarina9386104
    Autors:  Jabreel M; Moreno A
    Resum:
    This paper describes SiTAKA, our system that has been used in task 4A, English and Arabic languages, Sentiment Analysis in Twitter of SemEval2017. The system proposes the representation of tweets using a novel set of features, which include a bag of negated words and the information provided by some lexicons. The polarity of tweets is determined by a classifier based on a Support Vector Machine. Our system ranks 2nd among 8 systems in the Arabic language tweets and ranks 8th among 38 systems in the English-language tweets.

  • Altres:

    Enllaç font original: https://aclanthology.org/S17-2115/
    Referència de l'ítem segons les normes APA: Jabreel M; Moreno A (2017). SiTAKA at SemEval-2017 Task 4: Sentiment Analysis in Twitter Based on a Rich Set of Features.
    Referència a l'article segons font original: Proceedings Of The Annual Meeting Of The Association For Computational Linguistics. 694-699
    Any de publicació de la revista: 2017
    Entitat: Universitat Rovira i Virgili
    Versió de l'article dipositat: info:eu-repo/semantics/publishedVersion
    Data d'alta del registre: 2024-10-12
    Autor/s de la URV: Moreno Ribas, Antonio
    Departament: Enginyeria Informàtica i Matemàtiques
    URL Document de llicència: https://repositori.urv.cat/ca/proteccio-de-dades/
    Tipus de publicació: Proceedings Paper
    Autor segons l'article: Jabreel M; Moreno A
    Accès a la llicència d'ús: https://creativecommons.org/licenses/by/3.0/es/
    Adreça de correu electrònic de l'autor: antonio.moreno@urv.cat