BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Maślankowski Jacek (Uniwersytet Gdański)
Title
Automatyczna analiza treści nieustrukturyzowanej jako przykład źródła informacji dla administracji publicznej
Automatic Analysis of Unstructured Content as an Example of a Data Source for the Public Administration
Source
Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa, 2017, nr 46, s. 161-172, rys., tab., bibliogr. 14 poz.
Issue title
Technologie informatyczne w administracji publicznej i służbie zdrowia - TIAPISZ'16
Keyword
Big Data, Media społecznościowe, Eksploracja tekstu, Uczenie maszynowe, Analiza wydźwięku
Big Data, Social media, Text mining, Machine learning, Sentiment analysis
Note
streszcz., summ.
Abstract
Współczesne narzędzia analityczne pozwalają na przetwarzanie danych wielu rodzajów. Przykładem danych tego typu są dane nieustrukturyzowane, pochodzące z serwisów społecznościowych oraz komentarze zamieszczane pod artykułami prasowymi. Według typologii UNECE są one zaliczane do danych tworzonych przez ludzi. W przeciwieństwie do dwóch pozostałych rodzajów danych, generowanych przez urządzenia oraz powstających w procesach biznesowych, stanowią one znaczący odsetek analiz Big Data. Mając do dyspozycji narzędzia Big Data, analitycy są w stanie przetwarzać duże zbiory danych w sposób inny niż tradycyjny.(fragment tekstu)

Organization management requires access to reliable and verified data, which allows developing a particular organizational unit by decidents. With information technology development, processing large datasets to acquire valuable information is more common. Such a data source can be social media or comments under news articles. The goal of this article is to present a case study of automatic content analysis to get a general opinion on the initiative taken by public administration units, especially self-government institutions. For this reason, a framework has been developed to allow analysing unstructured content, in which the most common form are comments. The analysis of the results taken from this system allows formulating several conclusions on Big Data tools usability as well as the reliability of the data acquired this way.(original abstract)
Accessibility
The Library of Warsaw School of Economics
Full text
Show
Bibliography
Show
  1. Bosch V., Big Data in Market Research: Why More Data Does Not Automatically Mean Better Information, "Gfk-Marketing Intelligence Review" 2016, vol. 8, no. 2.
  2. Chintagunta P., Hanssens D., Hauser J., Marketing and Data Science: Together the Future is Ours, "Gfk-Marketing Intelligence Review" 2016, vol. 8, no. 2.
  3. George G., Osinga E., Lavie D., Scott B., Big Data and Data Science Methods for Management Research, "Academy of Management Journal" 2016, no. 10.
  4. Giachanou A., Crestani F., Like It or Not: A Survey of Twitter Sentiment Analysis Methods,"ACM Computing Surveys" 2016, vol. 49, no. 2.
  5. Liang T., Li X., Yang C., Wang M., What in Consumer Reviews Affects the Sales of Mobile Apps: A Multifacet Sentiment Analysis Approach, "International Journal of Electronic Commerce" 2015, vol. 20, no. 2.
  6. Lozza E., Bonanomi A., Castiglioni C., Bosio A., Consumer Sentiment After the Global Financial Crisis, "International Journal of Market Research" 2016, vol. 58, no. 5.
  7. Makarem S., Jae H., Consumer Boycott Behavior: An Exploratory Analysis of Twitter Feeds, "Journal of Consumer Affairs" 2016, vol. 50, no. 1.
  8. Marcato G., Nanda A., Information Content and Forecasting Ability of Sentiment Indicators: Case of Real Estate Market, "Journal of Real Estate Research" 2016, vol. 38, no. 2.
  9. Pagliarussi M., Aguiar M., Galdi F., Sentiment Analysis in Annual Reports from Brazilian Companies Listed at the bm&fbovespa, "Base" 2016, vol. 13, no. 1.
  10. Tian Y., Özcan F., Tao Z., Goncalves R., Pirahesh H., Building a Hybrid Warehouse: Efficient Joins between Data Stored in HDFS and Enterprise Warehouse, "ACM Transactions On Database Systems" 2016, vol. 41, no. 4.
  11. White S., 6 Ethical Questions about Big Data, "Journal of Accountancy" 2016, vol. 222,no. 4.
  12. Zaharia M., Xin R., Wendell P., Das T., Armbrust M., Dave A., Xiangrui X., Rosen J., Venkataraman S., Franklin M., Ghodsi A., Gonzalez J., Shenker S., Stoica I., Apache Spark: A Unified Engine for Big Data Processing, "Communications of the ACM" 2016, vol. 59, no. 11.
  13. Developer Twitter.com, https://dev.twitter.com/overview/api (4.11.2016).
  14. Ustawa z dnia 27 lipca 2001 r. o ochronie baz danych (DzU 2001, nr 128, poz. 1402), Internetowy System Aktów Prawnych, http://isap.sejm.gov.pl/DetailsServlet?id= WDU20011281402 (2.11.2016).
Cited by
Show
ISSN
1232-4671
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu