Schijnbaar, de helft van de wereldbevolking gebruikt nu sociale media om hun gedachten te delen en de gedachten van anderen te ervaren. Er is geen onderwerp dat door gebruikers niet wordt vertegenwoordigd door meningen over technologie, politiek, maatschappij, beroemdheden, sport, muziek, bioscoop, Gezondheid, oorlog, religie, seks en verder. Niets is taboe.

Het extraheren van de collectieve emotionele reacties op sociale gebeurtenissen van de lokale naar de internationale schaal uit updates van sociale media blijft een doel van de informatica en degenen die het wil helpen bij het gebruik van de semantische en emotionele gegevens die uit sociale media kunnen worden gehaald.

Een Italiaans team schrijft in de Internationaal tijdschrift voor metagegevens, Semantiek en ontologieën , bespreekt een benadering voor het onderzoeken van emotionele reacties op sociale gebeurtenissen.

"Sociale media zijn een knooppunt geworden voor het delen van informatie over alledaagse gebeurtenissen; mensen, bedrijven, en organisaties geven daar hun mening, " Danilo Cavaliere en Sabrina Senatore van de Universiteit van Salerno, in Fisciano uitleggen. Ze voegen eraan toe dat het bestuderen en identificeren van verschillende gevoelens en emoties, zoals weergegeven door updates van sociale netwerken, zoals zogenaamde "tweets" op het microblogging-platform dat bekend staat als Twitter, vereist het omgaan met big data en het kunnen begrijpen van het onderliggende emotionele karakter van de updates in context.

Het team heeft een aanpak gekozen die hen in staat stelt om op een bepaald onderwerp in te gaan op basis van specifieke trefwoorden, gemarkeerd in tweets met een # -symbool en algemeen bekend als hashtags. Ze hebben een woordenlijst van emoties samengesteld door de semantiek uit een voorbeelddatabase met updates te halen en noemen dit een 'emotionele conceptontologie'.

Het team demonstreert vervolgens hoe hun ontologie kan worden gebruikt om een ​​databaseclassificatietool (Support Vector Machine) te trainen om het emotionele karakter en de inhoud van nieuwe tweets te "begrijpen", waarmee een op deze training gebaseerd algoritme wordt gepresenteerd. Ze hebben het principe met succes bewezen met voorbeelddatasets, zelfs met gecompliceerde, veelzijdige tweets.