Sentiment analysis of political communication: combining a dictionary approach with crowdcoding.
Sentiment analysis of political communication: combining a dictionary approach with crowdcoding.
复制标题
DOI：
10.1007/s11135-016-0412-4
复制
发表时间：
2017
影响因子：
--
通讯作者：
Jenny M
中科院分区：
文献类型：
--
作者：
Haselmayer M;Jenny M
情绪在新闻价值、舆论、负面竞选或政治极化的研究中非常重要，数字文本数据的爆炸性扩展和自动文本分析的快速进步为创新的社会科学研究提供了巨大的机会。不幸的是，目前可用于自动情感分析的工具大多仅限于英文文本，并且需要大量的上下文适应才能产生有效的结果。我们提出了一种通过众包编码收集细粒度情绪分数的过程，以针对所选领域的语言构建负面情绪字典。该词典可以分析资源密集型手工编码难以应对的大型文本语料库。我们根据字典单词计算句子的调性，并使用手动编码的结果验证这些估计。结果表明，基于人群的词典提供了高效且有效的情绪测量。实证例子通过分析政党声明和媒体报道的语气来说明其用途。
Sentiment is important in studies of news values, public opinion, negative campaigning or political polarization and an explosive expansion of digital textual data and fast progress in automated text analysis provide vast opportunities for innovative social science research. Unfortunately, tools currently available for automated sentiment analysis are mostly restricted to English texts and require considerable contextual adaption to produce valid results. We present a procedure for collecting fine-grained sentiment scores through crowdcoding to build a negative sentiment dictionary in a language and for a domain of choice. The dictionary enables the analysis of large text corpora that resource-intensive hand-coding struggles to cope with. We calculate the tonality of sentences from dictionary words and we validate these estimates with results from manual coding. The results show that the crowdbased dictionary provides efficient and valid measurement of sentiment. Empirical examples illustrate its use by analyzing the tonality of party statements and media reports.
登录
查看更多内容
影响因子：
5.4
作者：
Berinsky, Adam J.;Huber, Gregory A.;Lenz, Gabriel S.
通讯作者：
Lenz, Gabriel S.
影响因子：
4.1
作者：
Burscher, Bjorn;Vliegenthart, Rens;de Vreese, Claes H.
通讯作者：
de Vreese, Claes H.
影响因子：
4.2
作者：
Fridkin, Kim L.;Kenney, Patrick J.
通讯作者：
Kenney, Patrick J.
影响因子：
2.6
作者：
EKMAN, P
通讯作者：
EKMAN, P
影响因子：
22.4
作者：
CACIOPPO, JT;BERNTSON, GG
通讯作者：
BERNTSON, GG