Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Predicting like-ratio on YouTube videos using sentiment analysis on comments
KTH, School of Electrical Engineering and Computer Science (EECS).
KTH, School of Electrical Engineering and Computer Science (EECS).
2018 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Förutspå gilla-förhållandet på YouTube-videor med hjälp av sentimentanalys av kommentarer (Swedish)
Abstract [en]

Social media is huge today. It allows anyone with an internet connection to voice their opinion all over the world with a single click. Many of the biggest social media platforms such as Facebook and Twitter do not allow users to leave negative feedback on posts. YouTube is different, it allows users to leave negative feedback in the form of a dislike with the click of a button. Each video also has a comment field with comments regarding the video. With the data that YouTube videos provide and sentiment analysis, the research question for this paper is: Can the comments on a YouTube video be used to determine what ratio of the viewers liked or disliked the video using sentiment analysis?. The results from this work showed that there is a weak correlation between the percentage of likes and the percentage of positive comments on a video. Because the fluctuation in the data and results, it is not accurate enough to be applied to any comment field on the internet, but it could be used as an indication. Many areas of the method could be improved for better results.

Abstract [sv]

Sociala medier är enorma idag. De gör det möjligt för vem som helst med en internetuppkoppling att uttrycka sin åsikt över hela världen med ett enda klick. Men många av de största sociala medieplattformarna tillåter inte användaren att lämna negativ feedback på inlägg. Men YouTube är annorlunda, de tillåter användarna att lämna negativ feedback i form av en ogillning med ett enkelt klick. Varje video har även ett kommentarsfält med kommentarer på videon. Med de data som YouTube videor tillhandahåller och sentimentsanalys lyder forskningsfrågan för denna rapport: Kan kommentarerna på en YouTube-video användas för att avgöra vilket förhållande tittarna tyckte om eller ogillade videon med hjälp av sentimentsanalys?. Resultaten från detta arbete visade att det finns en svag korrelation mellan andelen gillningar och procentandelen positiva kommentarer på en video. På grund av fluktuationen i data och resultat är det inte tillräckligt för att tillämpas på alla kommentarsfält på internet, men det kan användas som en indikation. Många delar av metoden kan förbättras för ett bättre resultat.

Place, publisher, year, edition, pages
2018.
Series
TRITA-EECS-EX ; 2018:197
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-229775OAI: oai:DiVA.org:kth-229775DiVA, id: diva2:1214428
Educational program
Master of Science in Engineering - Computer Science and Technology
Supervisors
Examiners
Available from: 2018-06-26 Created: 2018-06-06 Last updated: 2018-06-26Bibliographically approved

Open Access in DiVA

fulltext(2197 kB)15 downloads
File information
File name FULLTEXT01.pdfFile size 2197 kBChecksum SHA-512
052419ead195ade5feab32ef2c701821aa1b2113aee690a9658df4bdf2477c9007fca224b22c8ca21eaf12021530d6fa2482ef22469bcc129399c54d512ca325
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 15 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 47 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf