Ανάλυση Ελληνικής Κοινής Γνώμης Στο Twitter Βασισμένη Σε Λεξικό

Abstract

Η τεράστια ανάπτυξη των διαδικτυακών εφαρμογών, όπως είναι τα μικρο-ιστολόγια, τα φόρουμ και τα μέσα κοινωνικής δικτύωσης, έχει οδηγήσει στη δημιουργία ενός τεράστιου όγκου διαδικτυακών κειμένων. Η ανάγκη χειρισμού όλων αυτών των δεδομένων μέσω αυτοματοποιημένων τεχνικών, για την κατανόηση των συναισθημάτων, των επιθυμιών και των προθέσεων των χρηστών, προκειμένου να διευκολυνθεί η διαδικασία λήψης αποφάσεων, έχει οδηγήσει στη ραγδαία εξέλιξη του πεδίου της Ανάλυσης Συναισθήματος ή ισοδύναμα Εξόρυξης Γνώμης. Η παρούσα εργασία εστιάζει το ενδιαφέρον της στο Twitter, το οποίο είναι μια πλατφόρμα κοινωνικής δικτύωσης που επιτρέπει στους χρήστες της να δημοσιεύουν ενημερώσεις και να ανταλλάσσουν σύντομα μηνύματα, τα οποία ονομάζονται tweets. Συγκεκριμένα, μελετώνται tweets Ελλήνων χρηστών που αφορούν θέματα κοινωνικής και πολιτικής φύσεως και αναπτύσσεται ένα αυτόματο σύστημα Ανάλυσης Συναισθήματος, το οποίο βασίζεται σε λεξικό συναισθήματος και ταξινομεί τα tweets σε μία απο τις τρείς πιθανές κλάσεις (αρνητικό, θετικό ή ουδέτερο), ανάλογα με την πολικότητα του συναίσθηματος που εκφράζουν. Το λεξικό δημιουργήθηκε με την προσθήκη τμήματος των συχνότερα εμφανιζόμενων λέξεων που εντοπίστηκαν σε ένα σύνολο 20000 tweets, σε ένα ήδη υπάρχον, ελεύθερα διαθέσιμο λεξικό συναισθήματος. Το σύστημα αποτελείται από τρία βασικά στάδια: το στάδιο της προεπεξεργασίας, στο οποίο τα tweets φιλτράρονται για να αφαιρεθεί όλη η άχρηστη πληροφορία, το στάδιο του μετασχηματισμού, κατά το οποίο οι λέξεις των φιλτραρισμένων tweets μετασχηματίζονται σε κατάλληλη μορφή για να μπορούν να εντοπιστούν στο λεξικό και τέλος το στάδιο της ανίχνευσης άρνησης, στο οποίο γίνεται χρήση κάποιων γλωσσολογικών κανόνων για να καθοριστεί αν κάθε λέξη που εντοπίστηκε εντάσσεται σε σχήμα άρνησης και συνεπώς πρέπει να αντιστραφεί η πολικότητά της.Για την αξιολόγηση του συστήματος επιλέχθηκε ένα σύνολο tweets που αφορούσαν τα αποτελέσματα του δευτέρου γύρου των εσωκομματικών εκλογών της Νέας Δημοκρατίας, που ανακοινώθηκαν την 11η Ιανουαρίου 2016. Ο λόγος επιλογής του συγκεκριμένου θέματος, ήταν οτι οι εκλογικές διαδικασίες μονοπωλούν το ενδιαφέρον των χρηστών στο διαδίκτυο, τα σχόλια των οποίων σε τέτοιες περιπτώσεις έχουν πλούσιο συναισθηματικό περιεχόμενο, αφού εκφράζουν με ιδιαιτέρως καυστικό τρόπο είτε την επιδοκιμασία τους είτε την αποδοκιμασία τους προς τα εκλογικά αποτελέσματα.