Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Förutspå golfresultat med hjälp av sentimentanalys på Twitter
KTH, Skolan för datavetenskap och kommunikation (CSC).
KTH, Skolan för datavetenskap och kommunikation (CSC).
2016 (Svenska)Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)Alternativ titel
Predicting golf scores using sentiment analysis on Twitter (Engelska)
Abstract [sv]

Denna studie undersöker möjligheten att med hjälp av sentimentanalys av golfspelares twitterkonton kunna förutsäga deras kommande resultat. Studien baserades på två dataset: 155 professionella golfares resultat och 112 101 tweets insamlade från två säsonger på PGA­touren. Vår studie kan vara av intresse för till exempel spelbolag, spelare, tränare och fans.

Det känslor golfspelarna uttryckt i sina tweets kvantifierades till ett siffervärde med hjälp av den lexikala sentimentsanalysmetoden AFINN. Resultaten av vår studie visar på mycket låg korrelation mellan de insamlade dataseten och att sentimentvärdena innehar en låg grad av prediktiv förmåga. Dessa resultat står i kontrast mot liknande forskning utförd på annan sport. Vår rekommendation för framtida studier är att basera modellen på fler variabler utöver sentimentvärde för att tydligare klargöra hur de känslor golfspelare uttrycker på twitter kan användas för att förutspå deras kommande resultat.

Abstract [en]

In this study we examine the relationship between the sentiment value of golf players’ tweets and their sports results to evaluate the predictive power of the their twitter accounts. Findings on this topic may be of value to bookmakers, gamblers, coaches and fans of sport. Our study is based on two datasets: PGA­tour golf statistics and 112 101 tweets made by 155 profesional golfers over the course of two seasons. The golf players’ sentiment was quantified using the lexical sentiment analysis method AFINN.

In contrast to other research with similiar methods, our findings suggest that there is low correlation betweet the datasets and that the methods used in our study have low predictive power. Our recommendation is that future studies use additional prediction variables besides sentiment score to better evaluate the predictive power of golf players’ tweets. 

Ort, förlag, år, upplaga, sidor
2016. , 31 s.
Nyckelord [en]
Sentimentanalys, AFINN, Sociala medier, Twitter, Sport, Golf, Sentiment Analysis, AFINN, Social media, Twitter, Sport, Golf
Nationell ämneskategori
Medieteknik
Identifikatorer
URN: urn:nbn:se:kth:diva-188835OAI: oai:DiVA.org:kth-188835DiVA: diva2:939932
Ämne / kurs
Medieteknik
Utbildningsprogram
Civilingenjörsexamen - Medieteknik
Handledare
Examinatorer
Tillgänglig från: 2016-06-21 Skapad: 2016-06-20 Senast uppdaterad: 2016-06-21Bibliografiskt granskad

Open Access i DiVA

fulltext(1400 kB)226 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1400 kBChecksumma SHA-512
063bc32a16eaaef93661c147dca9e72686501dc0e1cb934d722eca75734fa99e5fd918b752638c18551156f7d0e7d2e24fb30ccdc46276931cac32a7ee30be86
Typ fulltextMimetyp application/pdf

Av organisationen
Skolan för datavetenskap och kommunikation (CSC)
Medieteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 226 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 1244 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf