Application of Sentiment Analysis to Crime News using Tf-Idf and K-Nearest Neighbor to Assess Public Perception
Notice bibliographique
Résumé
The development of information technology and social media has changed the way people access news, including criminal news that is often in the public spotlight. Criminal news not only presents facts, but can also shape public opinion quickly and widely so that it has the potential to cause disinformation. For this reason, sentiment analysis is needed that is able to provide an objective picture of public perception of criminal news.This study uses a quantitative approach with stages: collection of crime news data and public comments from online media, text preprocessing (cleansing, case folding, tokenizing, stopword removal, normalization, and stemming), feature extraction using Term Frequency-Inverse Document Frequency (TF-IDF), sentiment classification with the K-Nearest Neighbor algorithm (K-NN), as well as model evaluation through accuracy, precision, recall, and F1-score metrics. The results showed that the combination of TF-IDF and K-NN was able to classify public comments on criminal news into three sentiment classes (positive, negative, neutral) with an accuracy rate of 82%. Further evaluation showed an average precision value of 0.86, a recall of 0.82, and an F1-score of 0.82. These findings prove that the TF-IDF and K-NN methods are effective in understanding public perception of online media-based crime reporting.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».