Results found: 2

Search results

Search:
in the keywords: analiza sentymentów

Sort By:

Limit search:

Rafinacja dużej skali zasobów sieciowych — Big Data. Dziennikarskie źródło informacji

100%

Gogołek W.

Ekonomika i Organizacja Przedsiębiorstwa

2016

issue 7 (798)

12-18

Ponad 90 procent informacji jest zapisywane w postaci cyfrowej. Zasoby tej skali są określane jako Big Data. Analiza Big Data może stanowić nowe źródło cennych informacji. W badaniu proces uzyskiwania tych źródeł jest określany jako rafinacja informacji z sieci —rafinacja Web. Potwierdzeniem przydatności rafinacji są wyniki prognoz wsparcia dla każdej z partii politycznych biorących udział w wyborach parlamentarnych i prezydenckich w Polsce w 2011 r. i 2015 r. Przyjęta metodologia i wyniki badań ilościowych dowodzą, że rafinacja sieciowych zasobów informacyjnych może być wiarygodnym źródłem informacji o stanie i zmianach w politycznych sympatiach w okresie poprzedzającym wybory.

More than 90 percent of information is recorded in digital form. Resources of this scale are referred as a Big Data. Analysis of this information can provide a new source of valuable information. In the study the process of obtaining them – especially from social networking sites – is named refining of network information/refining the Web. Confirmation a usefulness of refining are the results of predictions of support for each of the political parties participating in the parliamentary and presidential elections in Poland in 2011 and 2015. The adopted methodology and the results of quantitative research shows that refining of data only from the Web can be a reliable source of information about the status of and changes in the political sympathies at the time of run-up to elections.

Z badań nad systemem rafinacji sieciowej. Identyfikacja sentymentów

80%

Gogołek W., Jaruga D.

Studia Medioznawcze

2016

issue 4 (67)

103-111

Dostępny potencjał mocy obliczeniowych i pamięci komputerowych stworzył niedostępne wcześniej warunki do analizy dużych zasobów informacyjnych – Big Data. W procesie tej analizy można wykorzystywać procedury kolekcjonowania informacji i ich analizy do trafnej oceny – w kategoriach emocjonalnych (sentymentów – dobry, zły) badanych zjawisk w przeszłości, w czasie rzeczywistym, a także do predykcji. Artykuł jest prezentacją kluczowej części tej procedury – istoty automatyzacji procesu identyfikacji sentymentów.

Available potential of computing power and computer memory had created, previously unavailable conditions for the analysis of, large information resources – Big Data. In the process of this analysis can be used procedures for collecting information and analysis for the accurate assessment – in terms of emotional (sentiments – good, bad) of studied phenomena – in the past, in real time, as well as to the prediction. The article is a presentation of the key parts of this procedure – being automate the process of identifying sentiment words.

Refine search results

1 Ekonomika i Organizacja Przedsiębiorstwa

1 Studia Medioznawcze

2 2016

2 Gogołek W.

1 Jaruga D.

Search results

Rafinacja dużej skali zasobów sieciowych — Big Data. Dziennikarskie źródło informacji

Z badań nad systemem rafinacji sieciowej. Identyfikacja sentymentów