Sentiment Analysis Tweet KTT G-20 di Media Sosial Twitter Menggunakan Metode Naïve Bayes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The G-20 or The Group of Twenty is a group consisting of 19 countries with major economies plus 1 European Union. This group was formed in 1999 as a systematic forum with the aim of discussing important issues or problems related to the world economy. The countries included in the G-20 include Australia, Canada, Saudi Arabia, United States, India, Russia, South Africa, Turkey, Argentina, Brazil, Mexico, France, Germany, Italy, United Kingdom, China, India, Japan, and South Korea. From these data it can be concluded that the G-20 Summit is a forum capable of improving the standard of living of many people because of its ability to produce international policies, laws and regulations. Indonesia was once in the world's spotlight because in November 2022, Indonesia will host the G-20 Summit in Nusa Dua, Bali, to be precise. Ordinary people use Twitter to express emotions related to something, both negative and positive emotions. With the implementation of sentiment analysis data from tweets from 500 data tweets using the Naive Bayes algorithm, the result is an accuracy of 69%. The accuracy value with class precision for positive predictions is 78%, while the class precision accuracy value for negative predictions is 36%. The positive class recall accuracy value is 81%, while the negative class recall accuracy value is 32%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle