Web aplikacija za analizu sentimenta na društvenim mrežama

Društvene mreže predstavljaju glavni medij za izražavanje mišljenja i stavova o raznim područjima – kvaliteti proizvoda, popularnosti političke stranke, imidžu organizacije i slično. Svakodnevno se generiraju velike količine podataka na društvenim mrežama, koje je moguće analizirati i izvući korisne informacije. Sentiment je ideja, mišljenje ili osjećaj o nekoj temi. Analiza sentimenta je automatizirani proces razumijevanja mišljenja i stavova iz pisanog ili govornog jezika koristeći različite koncepte i algoritme. Cilj takvog procesa je utvrđivanje jesu li mišljenja izražena u tekstu pozitivna, negativna ili neutralna. Tradicionalno se analiza teksta temeljila na većim tekstovima kao što su članci ili recenzije. U današnje doba društvene mreže, blogovi i web portali izlažu korisnicima mogućnost izražavanja mišljenja u kratkim komentarima. Prema tome se oblikuju i algoritmi kako bi preciznost klasifikacije sentimenta bila što točnija. Ovaj radi temelji se na usporedbi različitih algoritama i odabiru optimalnog rješenja za klasifikaciju sentimenta. Za treniranje algoritama korišten je IMDb skup podataka. Izneseni su rezultati i dobivene preciznosti pojedinog algoritma. Izrađena je Python aplikacija za klasifikaciju sentimenta, te web aplikacija koja preko korisničkog sučelja prikazuje statistiku pozitivno i negativno klasificiranih komentara s društvene mreže Twitter.Social networks are the main medium for expressing opinions and views on various fields - product quality, political party popularity, brand reputation and others. Large amounts of data are generated daily on social networks, which can be analyzed and useful information can be extracted. Sentiment is an idea, opinion, or feeling about a topic. Sentiment analysis is an automated process of understanding opinions and thoughts within written or spoken language using different concepts and algorithms. The purpose of that process is to determine whether opinions expressed in the text are positive, negative or neutral. Traditionally, text analysis has been based on larger texts such as articles or reviews. Nowadays social networks, blogs and web portals expose users to express their opinions in short comments. Accordingly, algorithms are designed to make the classification of sentiment more accurate. This paper is based on the comparison of different algorithms and the selection of the optimal solution for sentiment classification. The IMDb dataset was used to train the algorithms. The results and the precision of each algorithm are presented. A Python sentiment classification application was created, as well as a web application that displays statistics of positively and negatively classified Twitter comments via user interface