Bevakning av sociala medier för marknadsanalys

Målet med studien ämnar undersöka till vilken grad det går att använda modeller inom maskininlärning, i syfte att identifiera marknadstrender och ersätta nuvarande marknadsanalysmetoder. Data utvinns genom Information Extraction från svenska blogginlägg och förbehandlas med TFIDF-standarden. Vidare...

Full description

Bibliographic Details
Main Authors: Forsare Källman, Povel, Lindblom, Robin
Format: Others
Language:Swedish
Published: KTH, Skolan för elektroteknik och datavetenskap (EECS) 2019
Subjects:
Online Access:http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-262219
Description
Summary:Målet med studien ämnar undersöka till vilken grad det går att använda modeller inom maskininlärning, i syfte att identifiera marknadstrender och ersätta nuvarande marknadsanalysmetoder. Data utvinns genom Information Extraction från svenska blogginlägg och förbehandlas med TFIDF-standarden. Vidare sker klustring av data med algoritmen kmeans. Resultatet antyder på viss potential, men att ytterligare studier för implementering av sentimentalanalys och vidare utveckling av förbehandlingsmetoder krävs för att uppnå målet. === The aim of the study is to research the extent to which models in machine learning can be used, in order to identify market trends and replace current market analysis methods. Data is extracted using Information Extraction from Swedish blog posts and pre-processed with the TF-IDF standard. Furthermore, clustering of data is performed with the algorithm kmeans. The result indicates potential in monitoring of social media, but that further studies for implementation of sentimental analysis and further development of pre-processing methods are required to achieve the goal.