Social Media NLP — Tekstanalyse voor korte en ongestructureerde tekst
Social Media NLP is een gespecialiseerde natural-language-processing (NLP) pijplijn, ontworpen voor de korte, ongestructureerde en informele tekst die op platforms zoals Twitter, Reddit en in commentaarsecties verschijnt. In tegenstelling tot algemene NLP, houdt deze pijplijn rekening met platformspecifieke conventies — hashtags, emoji's, afkortingen en code-switching — en maakt zo taken mogelijk zoals hashtag-analyse, detectie van virale content en meting van de publieke opinie. De benchmarktraditie voor deze aanpak werd gevestigd door de SemEval-2017 Task 4 gedeelde taak (Rosenthal et al., 2017) en de TweetEval uniforme benchmark (Barbieri et al., 2020).
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Rosenthal, S. et al. (2017). SemEval-2017 Task 4: Sentiment Analysis in Twitter. Proceedings of the 11th International Workshop on Semantic Evaluation (SemEval-2017). ACL. link ↗
- Barbieri, F. et al. (2020). TweetEval: Unified Benchmark and Comparative Evaluation for Tweet Classification. Findings of the Association for Computational Linguistics: EMNLP 2020. link ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Social Media Text Analysis (NLP Pipeline). ScholarGate. https://scholargate.app/nl/text-mining/social-media-nlp
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- BERT-inbeddingenTekstmining↔ vergelijken
- SentimentanalyseTekstmining↔ vergelijken
- TekstclassificatieTekstmining↔ vergelijken
- TF-IDFTekstmining↔ vergelijken
- OnderwerpmodelleringDeep learning↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →