An application of sentiment analysis methods for classification of Croatian colloquial language corpus from social network websites

U ovom radu napravljena su dva sentiment riječnika hrvatskog govornog jezika. Opći leksikon ima riječi s određenim polaritetom i temeljnim ljudskim emocijama (radost, tuga, strah, ljutnja, iznenađenje, gađenje, povjerenje, isčekivanje) i riječnik specifične domene koji ima skup riječi s određenim polaritetom koje služe za analiziranje političkih tekstova. Osim toga, napravljen je leksikon hrvatskih zaustavnih riječi i leksikon hrvatskih riječi negacije. Aplikacija za određivanje sentimenta proizvoljnog teksta je implementirana na temelju tih riječnika i leksikona i testiran političkim tekstovima s društvenih mreža. Opći riječnik uspješno je analizirao 84.52% podataka i ima stopu točnosti detekcije sentimenta od 60.77%. S druge strane riječnik specifične domene uspješno je analizirao 54.68% podataka i ima stopu točnosti detekcije sentimenta od 65.24%. Oba riječnika imaju zadovoljavajuću stopu točnosti i može se zaključiti da je opći riječnik bolje koristiti kada je važnije da se uspješno analizira veliki skup podataka, a da točnost rezultata nije toliko bitna, a riječnik specifične domene kada je točnost rezultata bitniji od kvantitete.In this thesis, two sentiment dictionaries of the Croatian spoken language have been created. The general lexicon has words with their determined polarity and fundamental human emotions (joy, sadness, fear, anger, surprise, disgust, trust, anticipation) and the domain specific dictionary which has a set of words with determined polarity and is designed to capture the sentiment of political texts. In addition, lexicons of Croatian stopwords and Croatian negation words have been created. An application for classification of arbitrary text based on these dictionaries and lexicons has been implemented and tested on the case study of the political context of social networks. The general specific dictionary successfully analyzed 84.52% of the data and has an accuracy rate of 60.77%. In the other hand, the domain specific dictionary has successfully analyzed 54.68% of the data and has an accuracy rate of 65.24%. Both dictionaries have a satisfactory accuracy rate and it can be concluded that the general dictionary is better to use when it is more important to successfully analyze a large set of data rather than the accuracy of the results and the domain specific dictionary when the accuracy of the result is more important than the quantity