Feature-Based Polarity Specification of SmartPhone on Facebook

Main Article Content

มงคล แสนสุข

Abstract

This paper presents a technique to develop of features analysis and classification of positive and negative opinions towards the feature words of smart-phone and designate the opinion polarities of smartphones using a distance-based approach. The proposed technique considers the spatial distance between the pre-define smartphone features with respect to an associated polarity. Data is collected from the comments appearing on Facebook pages of three major smartphone brands (i.e. (i) Samsung, (ii) Oppo and (iii) Asus in Thai.


            The experiments show that the proposed technique is superior to the base-lines and provides a promising result and precision rate is 75.15% recall rate is 78.40% and f-measure rate is 76.74% of the result. Opinion Classification is carried out based on the smartphone features. A rule-based and 3-word-offset technique are compared.

Downloads

Download data is not yet available.

Article Details

How to Cite
แสนสุขม. (2019). Feature-Based Polarity Specification of SmartPhone on Facebook. Journal of Information Technology Management and Innovation, 6(2), 67-79. Retrieved from https://ph02.tci-thaijo.org/index.php/itm-journal/article/view/156500
Section
บทความวิจัย

References

[1] Cisco. (2014). Online Knowledge. Retrieved from http://www.thailandonlineexpo.com/news/detail/190
[2] กองบรรณาธิการ PositioningMagazine. (2556). พฤติกรรมการใช้ smartphones ของคนไทย. สืบค้นจาก
http://www.positioning mag .com/content/คนไทยใช้สมาร์ตโฟน-ถ่ายรูป-ฟังเพลง-มากกว่าเข้าเน็ท-ติดแบรนด์-ฟังก์ชั่นต้องจัดเต็ม.
[3] วิยะดา ฐิติมัชฌิมา. (2553). เครือข่ายสังคมออนไลน์: แนวโน้ม ปรากฎการณ์ และจริยธรรม. วารสารนักบริหาร, 30(4), 150-156
[4] Liu B. (2010). Sentiment Analysis and Subjectivity. Handbook of Natural Language Processing. 1-39
[5] วรัญญา วรรณศรี, และเด่นดวง ประดับสุวรรณ. (2553). ระบบวิเคราะห์ข้อความแสดงความคิดเห็นสำหรับโรงแรม. กรุงเทพฯ:
มหาวิทยาลัยธรรมศาสตร์.
[6] นริศร์ พรหมบุตร. (2550). การทำไมน์นิ่งความคิดเห็นเกี่ยวกับสินค้า: กรณีศึกษาโทรศัพท์มือถือ. (สารนิพนธ์ปริญญามหาบัณฑิต, มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ, กรุงเทพฯ.
[7] Wang H, Liu L & Song W. (2014). Feature-based Sentiment Analysis Approach for Product Reviews. Journal
of software. 9(2). 274-279.
[8] Lui, B. (2012). Sentiment Analysis and Opinion Mining. Synthesis Lecturer on Human Language Technology, 5(1), 1-67
[9] Lui B, Hu M, & Cheng J. (2005). Opinion Observer: Analyzing and Comparing Opinions on the Web. In Proceedings of the 14th International Conference on World Wide Web. pp. 342-351. ACM.
[10] Mukherjee S, & Bhattacharyya P (2012). Feature Specific Sentiment Analysis for Product Reviews. Computational Linguistics and Intelligent Text Processing. Lecture Note in Computer Science, pp. 475-487.
[11] NECTEC. (2558). โปรแกรมตัดคำสำหรับข้อความภาษาไทย LexTo Thai Lexeme Tokenizer. Retrieved from
http://www.sansarn.com/lexto/
[12] มหาวิทยาลัยราชภัฏมหาสารคาม. (2558). รายงานผลการดำเนินงานการส่งเสริมเผยแพร่และพัฒนาต่อยอดสื่อ eDLTV.
มหาสารคาม: ผู้แต่ง.
[13] Ravi K. V. & Raghuveer K. (2012). Web User Opinion Analysis for Product Features Extraction and Opinion
Summarization. International Journal of Web & Semantic Technology, 3(4), 69-82.
[14] Aravindan S. & Ekbal A. (2014, December). Feature Extraction and Opinion Mining in Online Product Reviews.
In International Conference on Information Technology, pp. 94-99. IEEE.
[15] พลอยพรรณ สอนสุวิทย์. (2560). การพัฒนาขั้นตอนวิธีในระบบตรวจจับการบุกรุกทางเครือข่ายด้วยเอดาบูทเอ็มวัน.
วารสารวิชาการการจัดการเทคโนโลยีสารสนเทศและนวัตกรรม. 4(2). 158-166.