Share to: share facebook share twitter share wa share telegram print page

Anàlisi de sentiment

Aquest article o secció necessita millorar una traducció deficient.
Podeu col·laborar-hi si coneixeu prou la llengua d'origen. També podeu iniciar un fil de discussió per consultar com es pot millorar. Elimineu aquest avís si creieu que està solucionat raonablement.
Eina d'anàlisi de sentiment

Anàlisi de sentiment (de l'anglès sentiment analysis o també mineria d'opinió, opinion mining)[1][2] fa referència a l'ús del processament de llenguatge natural, anàlisi de text i lingüística computacional per identificar i extreure informació subjectiva de materials font. L'anàlisi de sentiment es fa servir àmpliament en el camp de les opinions i els mitjans de comunicació socials amb una gran gamma d'aplicacions, des del màrqueting fins al servei al client.

En termes generals, l'anàlisi de sentiment intenta determinar l'actitud un interlocutor, parlant o escrit, respecte a algun tema o a la polaritat contextual global d'un document. L'actitud pot ser el seu judici o avaluació, estat afectiu (és a dir, l'estat emocional de l'autor en el moment de parlar o escriure), o la intenció comunicativa emocional (és a dir, l'efecte emocional que l'autor pretén causar en el lector).

Tipus d'anàlisi de sentiment

Una tasca bàsica en l'anàlisi de sentiment és classificar la polaritat d'un text donat a nivell de document, frase, o tret/característica — si l'opinió expressada en un document, una frase o un ret/característica de l'entitat és positiva, negativa, o neutra. La classificació de sentiment més avançada, «més enllà de la polaritat",busca, per exemple, estats emocionals com «enfadat,» «trist,» i «feliç».

Els primers treballs en aquesta àrea els van dur a terme Turney[3] i Pang[4] que va aplicar diferents mètodes per detectar la polaritat de crítiques de productes i de pel·lícules respectivament. Aquest treball és a nivell de document. També es pot classificar la polaritat d'un document en una escala de diversos valors. Això ho va intentar Pang[5] i Snyder[6] i altres (Bo and Lilian),[5] expandint la tasca bàsica de classificar una crítica de pel·lícula com positiva o negativa a predir avaluacions en una escala de 3 ó 4 estrelles, mentre que Snyder[6] va realitzar una anàlisi en profunditat de crítiques a restaurants pronosticant avaluacions per a diversos aspectes d'un restaurant donat, com podrien ser el menjar i l'ambient (en una escala de cinc estrelles). Malgrat que en la majoria dels mètodes de classificació estadístics, la classe neutra és ignorada sota la suposició que els textos neutrals es troben molt a prop de la frontera del classificador binari, molts investigadors suggereixen que, de la mateixa manera que passa amb tot problema de polaritat, s'han de poder identificar tres categories. A més, es pot provar que alguns classificadors específics com poden ser Max Entropia[7] i el SVMs[8] es poden beneficiar de la introducció de la classe neutra i millorar la precisió global de la classificació.

Un mètode diferent per determinar el sentiment és l'ús d'un sistema d'escalat on a les paraules generalment associades amb un sentiment negatiu, neutre o positiu se'ls assigna un número associat des de -10 fins a +10 (des del més negatiu fins al més positiu) i quan s'analitza una peça de text no estructurada utilitzant processament de llenguatge natural, els conceptes subsegüents són analitzats per una comprensió d'aquestes paraules i de com es relacionen amb el concepte. A cada concepte se li atorga llavors una puntuació basada en la forma de les paraules associades amb sentiments es relacionen amb el concepte i la seva puntuació associada. Això ens permet moure'ns cap a un enteniment més sofisticat dels sentiments basat en una escala d'onze punts. Alternativament, als textos se'ls hi pot atorgar una puntuació per la intensitat de sentiments positius i negatius si l'objectiu és determinar el sentiment en un text en lloc de la polaritat i intensitat general del text.[9]

Identificació subjectivitat/objectivitat

Una altra direcció de la investigació és la identificació subjectivitat/objectivitat. Aquesta tasca es defineix normalment[10] com classificar un text donat (usualment una oració) en una de dues classes: objectiu i subjectiu.[10] Aquest problema de vegades pot ser més difícil que classificació de la polaritat.[11] La subjectivitat de paraules i frases pot dependre del seu context i un document objectiu poden contenir frases subjectives (per exemple, un article de premsa que cita opinions de persones). A més, tal com esmenta Su,[12] els resultats depenen en gran manera de la definició de subjectivitat utilitzada a l'analitzar els textos. Tanmateix, Pang[13] va mostrar que traient les frases objectives d'un document abans de classificar la seva polaritat ajudava a millorar el seu rendiment.

Anàlisi de sentiment basat en característiques

Un model d'anàlisi més detallista és l'anàlisi de sentiment basat en característiques. Es refereix a determinar les opinions o els sentiments expressats sobre diferents trets o característiques d'entitats. Per exemple, d'un telèfon mòbil, una càmera digital o un restaurant.[14] Un tret o característica és un atribut o component d'una entitat. Per exemple, la pantalla d'un telèfon mòbil, la qualitat de fotografia d'una càmera o el servei d'un restaurant. L'avantatge de l'anàlisi basat en trets/característiques és la possibilitat per contemplar matisos sobre objectes d'interès. Diferents característiques poden generar diferents respostes de sentiment. Per exemple un hotel pot tenir una ubicació molt còmoda, però el menjar ser mediocre.[15] Aquest problema implica diversos sub-problemes. Caldrà identificar entitats rellevants, extreure els seus trets i característiques i determinar si una opinió expressada sobre cada tret/característica és positiu, negatiu o neutre.[16] La identificació automàtica de característiques pot ser dut a terme amb mètodes sintàctics o amb modelat de tema.[17][18] Més informació sobre aquest nivell d'anàlisi de sentiment es pot trobar en el treball de Liu.[19]

Mètodes i característiques

Els enfocaments existents en anàlisi de sentiment es poden agrupar en quatre categories principals:[20] localització de paraules clau, afinitat lèxica, mètodes estadístics i tècniques a nivell de concepte. La localització de paraules clau classifica el text en categories d'afecte no ambigües com són feliç, trist, espantat i avorrit.[21] L'afinitat lèxica no només detecta paraules d'afecte òbvies, si no que també assigna a paraules arbitràries una afinitat “probable” a emocions particulars.[22] Els mètodes estadístics treuen avantatge d'elements d'aprenentatge de màquina tals com anàlisi de semàntica latent, màquines de vector de suport, «bossa de paraules» i Orientació Semàntica — Informació Mútua Puntual.[3] Mètodes més sofisticats intenten detectar qui té un sentiment (o sigui, la persona que manté aquest estat afectiu) i l'objectiu (és a dir, l'entitat sobre la qual se sent l'afecte).[23] Per minar l'opinió en context i rebre la característica sobre la qual es va opinar es fan servir les relacions gramaticals de les paraules. Les relacions de dependència gramatical s'obtenen mitjançant una anàlisi gramatical profund del text.[24] A diferència de les tècniques purament sintàctiques, els enfocaments a nivell de concepte treuen avantatge d'elements de representació de coneixement com les ontologies i les xarxes semàntiques i, per això, són també capaços de detectar semàntiques expressades d'una forma subtil, per exemple, mitjançant l'anàlisi de conceptes que no transmeten explícitament informació rellevant, però que implícitament estan lligats a altres conceptes que sí que ho fan.[25]

Hi ha eines de programari de codi obert que despleguen tècniques d'aprenentatge de màquina, estadístiques i de processament de llenguatge natural per automatitzar l'anàlisi de sentiment en grans col·leccions de textos, incloent pàgines de web, notícies en línia, grups de discussió a internet, crítiques en línia, blogs i mitjans de comunicació socials.[26] Els sistemes basats en el coneixement, en comptes d'això, fan ús de recursos d'accés públic. Per exemple, WordNet-Affect,[27] SentiWordNet[28] i SenticNet[29][30] per extreure la informació semàntica i afectiva associada amb conceptes de llenguatge natural. L'anàlisi de sentiment també pot ser realitzat sobre contingut visual, o sigui, imatges i vídeos. Un dels primers enfocaments en aquesta direcció és SentiBank[31] que utilitza una parella de substantiu i adjectiu per a la representació del contingut visual.

L'anàlisi de sentiment requereix un component d'anàlisi humà, atès que els sistemes automatitzats no són capaços d'analitzar tendències històriques del comentador individual o de la plataforma;i sovint els sentiments expressats es classifiquen incorrectament.. L'automatització aconsegueix aproximadament un 23% dels comentaris que són classificats correctament per éssers humans.[32]

De vegades, l'estructura de sentiments i temes és força complexa. A més, el problema de l'anàlisi de sentiment és no-monotònic amb respecte a l'extensió i substitució de stop-word. Només cal comparar les frases en anglès THEY would not let my dog stay in this hotel amb I would not let my dog stay (ELLS no deixarien tenir el meu gos a l'hotel amb Jo no deixaria tenir el meu gos a l'hotel). Per encarar aquesta qüestió s'han aplicat a l'anàlisi de sentiments diversos enfocaments basats en regles i inclouen Programació Lògica Refutable. raonament-va basar les aproximacions han estat aplicades a sentiment anàlisi, incloent Programació Lògica Refutable.[33] També, hi ha diverses regles de recorregut d'arbres aplicades a arbres d'anàlisi sintàctic per extreure en condicions de domini obert.[34][35]

Avaluació

La precisió d'un sistema d'anàlisi de sentiment és pot avaluar en funció del grau d'acord amb els judicis humans. Això és mesura normalment per la precisió i el record.[Cal aclariment] Segons les investigacions es considera que els avaluadors humans solen estar d'acord un 79% de les vegades.[36] Per tant, d'un programa que tingués un grau d'acord del 70% es podria dir que es comporta tan bé com els humans, malgrat que tal precisió no pot semblar impressionant. Si un programa fos «d'acord» el 100% de les vegades, els éssers humans encara hi discreparien aproximadament un 20% de les vegades, atès que són en desacord sempre una xifra com aquesta per a qualsevol resposta.[Cal aclariment][37] Es poden aplicar mesures més sofisticades, però l'avaluació de sistemes d'anàlisi de sentiment continua sent un assumpte complex.

Anàlisi de sentiment i Web 2.0

El creixement dels mitjans de comunicació socials com els blogs i les xarxes socials han alimentat l'interès per a l'anàlisi de sentiment. Amb la proliferació de les crítiques, qualificacions, recomanacions i altres formes d'expressió a la xarxa, l'opinió en línia s'ha convertit en una espècie de divisa virtual pels negocis que busquen comercialitzar els seus productes, identificar noves oportunitats i gestionar les seves reputacions. Com que les empreses de negocis intenten automatitzar el procés de filtrar el soroll, entendre les conversacions, identificar el contingut rellevant i actuar apropiadament, molts agents estan posant el seu interès en el camp de l'anàlisi de sentiment.[38] Un altre factor a tenir en compte també és l'ascens de les plataformes anònimes de mitjans de comunicació socials com 4chan i Reddit.[39] Si la web 2.0 consistia en democratitzar la publicació, llavors la pròxima etapa de la web bé podria estar basada en la mineria de dades de tot el contingut que es publica.[40]Un pas cap a aquest objectiu s'assoleix mitjançant la recerca. Diversos equips de recerca d'universitats arreu del món centren actualment el seu interès en la dinàmica dels sentiments en les e-comunitats a través de l'anàlisi de sentiment.[41] El projecte CyberEmotions, per exemple, ha identificat el paper de les emocions negatives en la conducció de les discussions en les xarxes socials.[42]

El problema és que la majoria dels algoritmes d'anàlisi de sentiment fan servir termes simples per expressar sentiments sobre un producte o servei. Tanmateix, factors culturals, matisos lingüístics i diferents contextos fan extremadament difícil convertir una cadena de text escrit en un simple sentiment a favor o en contra.[38] El fet que els éssers humans sovint discrepen en el sentiment d'un text il·lustra que difícil que és que els ordinadors ho aconsegueixin fer correctament. Com més curta és la cadena, més difícil esdevé.

Malgrat les cadenes curtes de text puguin ser un problema, l'anàlisi de sentiment aplicat al microblogging ha mostrat que Twitter pot ser vist com a indicador en línia vàlid de sentiment polític Els sentiments polítics dels tuits demostren una correspondència estreta amb les posicions polítiques dels partits i els polítics, indicant que el contingut dels missatges de Twitter reflecteixen plausiblement el paisatge polític en línia.[43]

Recursos per a anàlisi de sentiment

Vocabularis de sentiment llistes anotades de paraules.

Analitzadors de sentiment en líniaː

  • Semantria (anunci comercial)[48]
  • Sentiment140 (anunci comercial per Twitter)[49]
  • Stanford NLP (anunci acadèmic)[50]
  • Twinword (anunci comercial, lliure / il·limitat)[51]
  • Werfamous anunci lliure)[52]
  • WordStat (anunci comercial)[53]
  • Buzzlogix (anunci comercial i lliure)[54]

Corpus anotat (Documents amb manual d'anotacions de sentiment que poden servir per avaluar algoritmes):

  • Twitter dataset en 4 llengües (12,500 tweets)[55]

Referències

  1. ↑ Villena-Román, Julio. «Introducción al análisis de sentimientos (minería de opiniones)». Meaning cloud, 13-10-2015. [Consulta: 28 febrer 2016].
  2. ↑ Delgado Tenorio, Manuel. «¿Qué es el análisis del sentimiento?». https://plus.google.cat/+ManuelDelgadoTenorio/posts, 14-01-2015. [Consulta: 28 febrer 2016].
  3. ↑ 3,0 3,1 Turney, Peter. «Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews». A: ACL '02 Proceedings of the 40th Annual Meeting on Association for Computational Linguistics. Stroudsburg: Association for Computational Linguistics, 2002, p. 417-424. DOI 10.3115/1073083.1073153. 
  4. ↑ Pang, Bo; Lee, Lilian; Vaithyanathan,Shivakumar. «Thumbs up? Sentiment classification using machine learning techniques». A: Proceedings of EMNLP, 2002, p. 79-86. 
  5. ↑ 5,0 5,1 Pang, Bo; Lee, Lillian. «Seeing stars: Exploiting class relationships for sentiment categorization with respect to rating scales». A: Proceedings of ACL, 2005, p. 115-124. http://arxiv.org/abs/cs/0506075. 
  6. ↑ 6,0 6,1 Benjamin Snyder; Barzilay, Regina. «Multiple Aspect Ranking Using the Good Grief Algorithm». A: Proceedings of the Joint Human Language Technology/North American Chapter of the ACL Conference (HLT-NAACL)., p. 300-377. 
  7. ↑ Vryniotis, Vasilis (2013). "The importance of Neutral Class in Sentiment Analysis".  
  8. ↑ (2006) "The Importance of Neutral Examples for Learning Sentiment". Computational Intelligence 22: 100–109. Plantilla:Citeseerx 
  9. ↑ Thelwall, Mike; Buckley, Kevan; Paltoglou, Georgios; Cai, Di; Kappas, Arvid «Sentiment strength detection in short informal text». Journal of the American Society for Information Science and Technology, 61, 12, 2010, pàg. 2544–2558. Arxivat de l'original el 2021-02-01. DOI: 10.1002/asi.21416 [Consulta: 21 febrer 2016].
  10. ↑ 10,0 10,1 Pang, Bo; Lee, Lillian. «4.1.2 Subjectivity Detection and Opinion Identification». A: Opinion Mining and Sentiment Analysis. Now Publishers Inc, 2008. 
  11. ↑ (2007) "Learning Multilingual Subjective Language via Cross-Lingual Projections". Proceedings of the Association for Computational Linguistics (ACL): 976–983 [Consulta: 21 febrer 2016]  Arxivat 2010-07-08 a Wayback Machine. «Còpia arxivada». Arxivat de l'original el 2010-07-08. [Consulta: 21 febrer 2016].
  12. ↑ (2008) "From Words to Senses: a Case Study in Subjectivity Recognition". Proceedings of Coling 2008, Manchester, UK  Arxivat 2017-02-15 a Wayback Machine. «Còpia arxivada». Arxivat de l'original el 2017-02-15. [Consulta: 21 febrer 2016].
  13. ↑ (2004) "A Sentimental Education: Sentiment Analysis Using Subjectivity Summarization Based on Minimum Cuts". Proceedings of the Association for Computational Linguistics (ACL): 271–278 
  14. ↑ (2004) "Mining and Summarizing Customer Reviews". Proceedings of KDD 2004. 
  15. ↑ Cataldi, Mario; Ballatore, Andrea; Tiddi, Ilaria; Aufaure, Marie-Aude «Good location, terrible food: detecting feature sentiment in user-generated reviews». Social Network Analysis and Mining, 3, 4, 22-06-2013, pàg. 1149–1163. DOI: 10.1007/s13278-013-0119-7. ISSN: 1869-5450.
  16. ↑ (2005) "Opinion Observer: Analyzing and Comparing Opinions on the Web". Proceedings of WWW 2005. 
  17. ↑ Zhai, Zhongwu; Liu, Bing; Xu, Hua; Jia, Peifa. Constrained LDA for Grouping Product Features in Opinion Mining. Springer Berlin Heidelberg, 2011, p. 448–459. DOI 10.1007/978-3-642-20841-6_37. ISBN 978-3-642-20840-9. 
  18. ↑ Titov, Ivan; McDonald, Ryan «Modeling Online Reviews with Multi-grain Topic Models». Proceedings of the 17th International Conference on World Wide Web. ACM [New York, NY, USA], 01-01-2008, pàg. 111–120. DOI: 10.1145/1367497.1367513.
  19. ↑ Liu, Bing (2010). "Sentiment Analysis and Subjectivity". Handbook of Natural Language Processing, Second 
  20. ↑ Cambria, Erik; Schuller, Björn; Xia, Yunqing; Havasi, Catherine «New Avenues in Opinion Mining and Sentiment Analysis». IEEE Intelligent Systems, 28, 2, 2013, pàg. 15–21. DOI: 10.1109/MIS.2013.30.
  21. ↑ Ortony, Andrew; Clore, G; Collins, A. The Cognitive Structure of Emotions. Cambridge Univ. Press, 1988 [Consulta: 21 febrer 2016].  Arxivat 2015-11-23 a Wayback Machine.
  22. ↑ Stevenson, Ryan; Mikels, Joseph; James, Thomas «Characterization of the Affective Norms for English Words by Discrete Emotional Categories». Behavior Research Methods, 39, 4, 2007, pàg. 1020–1024. Arxivat de l'original el 2016-03-04 [Consulta: 21 febrer 2016]. Arxivat 2016-03-04 a Wayback Machine.
  23. ↑ (2006) "Identifying and Analyzing Judgment Opinions.". Proceedings of the Human Language Technology / North American Association of Computational Linguistics conference (HLT-NAACL 2006). New York, NY. [Consulta: 21 febrer 2016] 
  24. ↑ (2008) "Opinion Mining from Noisy Text Data". Proceedings of the second workshop on Analytics for noisy unstructured text data, p.83-90 
  25. ↑ Cambria, Erik; Hussain, Amir. Sentic Computing: Techniques, Tools, and Applications. Springer, 2012. 
  26. ↑ (2010) "Identifying breakpoints in public opinion". SigKDD, Proceedings of the First Workshop on Social Media Analytics 
  27. ↑ (2004) "WordNet-Affect: An affective extension of WordNet". Proceedings of LREC: 1083–1086 [Consulta: 21 febrer 2016]  Arxivat 2016-03-03 a Wayback Machine. «Còpia arxivada». Arxivat de l'original el 2016-03-03. [Consulta: 21 febrer 2016].
  28. ↑ 28,0 28,1 (2010) "Sentiwordnet 3.0: An enhanced lexical resource for sentiment analysis and opinion mining". Proceedings of LREC: 2200–2204 [Consulta: 5 abril 2014] 
  29. ↑ 29,0 29,1 (2014) "SenticNet 3: A common and common-sense knowledge base for cognition-driven sentiment analysis". Proceedings of AAAI: 1515–1521 
  30. ↑ 30,0 30,1 «Case Study: Advanced Sentiment Analysis». [Consulta: 18 octubre 2013].
  31. ↑ (2013) "Large-scale Visual Sentiment Ontology and Detectors Using Adjective Noun Pairs". Proceedings of ACM Int. Conference on Multimedia: 223–232  Arxivat 2021-06-15 a Wayback Machine. «Còpia arxivada». Arxivat de l'original el 2021-06-15. [Consulta: 16 octubre 2022].
  32. ↑ ; McKenna, Eugene William«Sentiment Extraction from Consumer Reviews for Providing Product Recommendations». [Consulta: 18 novembre 2013].
  33. ↑ Galitsky, Boris; Dobrocsi, Gabor; de la Rosa, Josep Lluís «Inverting Semantic Structure Under Open Domain Opinion Mining». FLAIRS Conference, 2010.
  34. ↑ Galitsky, Boris; Chen, Huanjin; Du, Shaobin «Inversion of Forum Content Based on Authors' Sentiments on Product Usability». AAAI Spring Symposium: Social Semantic Web: Where Web 2.0 Meets Web 3.0, 2009, pàg. 33–38.
  35. ↑ Ogneva, M. «How Companies Can Use Sentiment Analysis to Improve Their Business». Mashable [Consulta: 13 desembre 2012].
  36. ↑ Roebuck, K. Sentiment Analysis: High-impact Strategies - What You Need to Know: Definitions, Adoptions, Impact, Benefits, Maturity, Vendors. [Enllaç no actiu]
  37. ↑ Wright, Alex.
  38. ↑ 38,0 38,1 «Sentiment Analysis on Reddit». [Consulta: 10 octubre 2014].
  39. ↑ Kirkpatrick, Marshall.
  40. ↑ CORDIS.
  41. ↑ Condliffe, Jamie.
  42. ↑ Tumasjan, Andranik; O.Sprenger, Timm; G.Sandner, Philipp; M.Welpe, Isabell (2010).
  43. ↑ «generating the Affective Norms for English Words (ANEW) dataset». tomlee.wtf.
  44. ↑ Stevenson, Ryan A.; Mikels, Joseph A.; James, Thomas W. «Characterization of the Affective Norms for English Words by discrete emotional categories». Behavior Research Methods, 39, 4, 01-11-2007, pàg. 1020–1024. DOI: 10.3758/BF03192999. ISSN: 1554-351X.
  45. ↑ «SenticNet». sentic.net.
  46. ↑ «SentiWordNet». cnr.it. Arxivat de l'original el 2017-11-26. [Consulta: 21 febrer 2016].
  47. ↑ Manuela Speranza, FBK. «WordNet Domains». fbk.eu.
  48. ↑ «Semantria Web Demo - semantria.com». semantria.com.
  49. ↑ «API - Sentiment140 - A Twitter Sentiment Analysis Tool». sentiment140.com. Arxivat de l'original el 2016-03-03. [Consulta: 21 febrer 2016].
  50. ↑ «Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank». Deeply Moving: Deep Learning for Sentiment Analysis.
  51. ↑ «Twinword Sentiment Analysis API Web Demo». twinword.com.
  52. ↑ «A Twitter and web sentiment analysis tool». werfamous.com. Arxivat de l'original el 2018-08-14. [Consulta: 2 febrer 2021].
  53. ↑ «Content analysis software for sentiment analysis». provalisresearch.com.
  54. ↑ «Text Analysis & Sentiment Analysis API | Buzzlogix» (en anglès). Buzzlogix.com. Arxivat de l'original el 2015-11-25. [Consulta: 23 novembre 2015].
  55. ↑ «DAI-Labor > Competence Centers > CC IRML > Datasets > Annotated Sentiment Dataset». dai-labor.de. Arxivat de l'original el 2016-02-29. [Consulta: 21 febrer 2016].

Vegeu també

Enllaços externs

Read other articles:

Psalm 41

Biblical psalm This article is about Psalm 41 in Hebrew (Masoretic) numbering. For Psalm 41 in Greek Septuagint or Latin Vulgate numbering, see Psalm 42. Psalm 41Blessed is he that considereth the poor1604 inscription with Psalm 41. Chubb's Almshouses, Crewkerne, UKOther namePsalm 40Beatus qui intellegit super egenum et pauperemLanguageHebrew (original) Psalm 41← Psalm 40Psalm 42 →BookBook of PsalmsHebrew Bible partKetuvimOrder in the Hebrew part1CategorySifrei EmetChristian Bib...

 

Live and Let Die (album)

For the soundtrack album from the James Bond film, see Live and Let Die (soundtrack). 1992 studio album by Kool G Rap & DJ PoloLive and Let DieStudio album by Kool G Rap & DJ PoloReleasedNovember 24, 1992Recorded1991–92StudioCherokee Recording StudioWestlake AudioParamount Studio(Los Angeles California)GenreEast Coast hip hopgangsta rapmafioso raphorrorcorehardcore hip hopLength61:45LabelCold Chillin' RecordsCC 5001ProducerKool G RapSir JinxTrackmastersKool G Rap chronol...

 

Зиновьев, Юрий Константинович

В Википедии есть статьи о других людях с такой фамилией, см. Зиновьев. Юрий Константинович Зиновьев Дата рождения 1893 Место рождения Пенза, Российская империя Дата смерти 19 января 1949(1949-01-19) Место смерти Аугуста, Сиракуза, Сицилия, Италия Принадлежность  Российская и

Kakas Barat, Minahasa

Kakas BaratKecamatanPeta lokasi Kecamatan Kakas BaratNegara IndonesiaProvinsiSulawesi UtaraKabupatenMinahasaPemerintahan • CamatJeane Sumendap[1]Kode Kemendagri71.02.20 Kode BPS7102211 Desa/kelurahan10 desa Kakas Barat adalah sebuah kecamatan di Kabupaten Minahasa, Sulawesi Utara, Indonesia. Pada tahun 2010, Kecamatan Kakas dimekarkan menjadi Kecamatan Kakas dan Kecamatan Kakas Barat.[2] Geografi Batas wilayah Berikut merupakan batas wilayah Kecamatan Kakas Ba...

 

Orvieto Cathedral

Cathedral church in Umbria, Italy Orvieto CathedralDuomo di OrvietoFaçade of the cathedralReligionAffiliationRoman CatholicProvinceTerniEcclesiastical or organisational statusDiocese of Orvieto-TodiStatusActiveLocationLocationOrvieto, Umbria, ItalyArchitectureTypeChurchStyleItalian GothicGroundbreaking1290Completed1591Websitehttp://www.opsm.it/ Coronation of the Virgin mosaic on the top gable of the cathedral Rose window Marble Pieta, Madonna Mourning the Crucified Jesus with St. Nicodemus O...

 

Asmir Begović

Asmir Begović Persoonlijke informatie Volledige naam Asmir Begović Geboortedatum 20 juni 1987 Geboorteplaats Trebinje, SFR Joegoslavië Lengte 196 cm Been Rechts Positie Doelman Clubinformatie Huidige club Everton Rugnummer 15 Contract tot 30 juni 2022 Jeugd 1994–1997 1998–2003 2003–2005 Kirchhausen Southwest Sting Edmonton Portsmouth Senioren * Seizoen Club W 0(G) 2005–2010 2005–2006 2006–20072007–2008 20082008 2010–20152015–2017 2017–20212019–20202020–20202021– P...

Leptotila plumbeiceps

  Leptotila plumbeiceps Estado de conservaciónPreocupación menor (UICN)[1]​TaxonomíaReino: AnimaliaFilo: ChordataClase: AvesOrden: ColumbiformesFamilia: ColumbidaeGénero: LeptotilaEspecie: L. plumbeiceps(Sclater & Salvin, 1868)Distribución [editar datos en Wikidata] La paloma montaraz cabecigrís, paloma montaraz de cabeza gris, paloma cabeza gris, tórtola cabeciazul, paloma coronigrís, paloma cabeciceniza, paloma cabeza ploma o caminera cabeciazul (Leptotila p...

 

Blades of Glory Cricket Museum

Museum in Pune, India Blades of Glory Cricket MuseumLogo of the museumEstablished2012 (2012)LocationPune, Maharashtra, IndiaCoordinates18°29′9.2328″N 73°50′36.7152″E / 18.485898000°N 73.843532000°E / 18.485898000; 73.843532000Collection size51,000Websitewww.bladesofglorymuseum.com Blades of Glory Cricket Museum is a cricket memorabilia museum located in Pune, Maharashtra, India.[1] It was founded by Rohan Pate, a former U-19 Maharashtra cricket...

 

Giovanni Giolitti

Giovanni Giolitti Giovanni Giolitti (* 27. Oktober 1842 in Mondovì, Piemont; † 17. Juli 1928 in Cavour, Piemont) war ein italienischer Politiker und mehrfacher Präsident des Ministerrats (Ministerpräsident). Inhaltsverzeichnis 1 Leben 2 Politische Ämter 3 Literatur 4 Weblinks 5 Siehe auch 6 Einzelnachweise Leben Giolitti entstammte einer bürgerlichen Familie. Er wurde 1861 in Rechtswissenschaft an der Universität Turin promoviert und machte schnell Karriere als Beamter in der Verwaltu...

Liste de jeux Nintendo 3DS

  Liste des listes de jeux vidéo  La liste de jeux Nintendo 3DS répertorie les jeux vidéo disponibles sur la console Nintendo 3DS toutes régions et tous modèles confondus. Remarques : Certains des jeux nommés ci-dessous sont encore en développement et peuvent donc changer de nom ou être annulés. Par souci de cohérence avec le reste de Wikipédia en français, il est utile de mettre les appellations françaises si le jeu possède un titre francophone. Pour les j...

 

Circondario della Wartburg

Circondario della Wartburgcircondario(DE) Wartburgkreis LocalizzazioneStato Germania Land Turingia DistrettoNon presente AmministrazioneCapoluogoBad Salzungen TerritorioCoordinatedel capoluogo50°55′12″N 10°15′00″E / 50.92°N 10.25°E50.92; 10.25 (Circondario della Wartburg)Coordinate: 50°55′12″N 10°15′00″E / 50.92°N 10.25°E50.92; 10.25 (Circondario della Wartburg) Altitudine344 m s.l.m. Superficie1 307,43 km²...

 

LiveJournal

LiveJournalBahasa32 BahasaPenciptaBrad FitzpatrickSitus webLivejournal.comDiluncurkan1999 LiveJournal adalah komunitas daring global untuk jurnal pribadi, yang dibuat oleh Brad Fitzpatrick di bulan Maret tahun 1999. Dari terbentuknya pada tahun 2009, LiveJournal sampai saat ini telah menjadi situs web yang memiliki 25 juta pengguna dari seluruh dunia.[1] Seperti jaringan sosial yang lain, pengguna LiveJournal berasal dari berbagai kalangan. Hampir semua kode sumber untuk menjalankan L...

Ferdinand I van Napels

Dit artikel gaat over de vijftiende-eeuwse Ferdinand I van Napels. Ferdinand IV wordt echter soms ook zo genoemd. Ferdinand I 1423-1494 Koning van Napels Periode 1458-1494 Voorganger Alfons I Opvolger Alfons II Vader Alfons I van Napels Moeder Gueraldona Carlino Wapen van Ferdinand Ferdinand I (Valencia, 2 juni 1423 — Genua, 28 januari 1494), ook Ferrante genoemd, was van 1458 tot 1494 koning van Napels. Hij was een buitenechtelijke zoon van Alfons de Grootmoedige, die als Alfons V koning v...

 

Hawkstone Park Motocross Circuit

Motocross Circuit in Hawkstone Park This article has multiple issues. Please help improve it or discuss these issues on the talk page. (Learn how and when to remove these template messages) This article needs additional citations for verification. Please help improve this article by adding citations to reliable sources. Unsourced material may be challenged and removed.Find sources: Hawkstone Park Motocross Circuit – news · newspapers · books · scholar �...

 

Венсан Мюраторі

Венсан Мюраторі Особисті дані Народження 3 серпня 1987(1987-08-03) (36 років)   Оранж, Воклюз, Франція Зріст 178 см Вага 65 кг Громадянство Франція Позиція захисник Інформація про клуб Поточний клуб «Монако» Номер 3 Професіональні клуби* Роки Клуб І (г) 2007—2012 «Монако» 73 (0) 2012— �...

Jessica Sutta discography

Jessica Sutta discographySutta in 2012.Studio albums1Music videos19Singles13Featured singles8 American singer Jessica Sutta has released one studio album, and thirteen singles, leight as a featured artist and two promotional single. Sutta shelved her first attempt with a debut album, Sutta Pop (2012), subsequently starting the project named Feline Resurrection, released as a mixtape in 2016, until releasing the studio album I Say Yes (2017). Reached four number ones on US Dance Club Songs (Sh...

 

Cannibalism

Consuming another individual of the same species as food This article is about cannibalism in animals in general. For cannibalism in humans specifically, see Human cannibalism. For other uses, see Cannibalism (disambiguation). Cannibal redirects here. For other uses, see Cannibal (disambiguation). A slug, Arion vulgaris, eating a dead individual of the same species Cannibalism is the act of consuming another individual of the same species as food. Cannibalism is a common ecological interactio...

 

Armillary sphere

Model of objects in the sky consisting of a framework of rings Jost Bürgi and Antonius Eisenhoit: Armillary sphere with astronomical clock, made in 1585 in Kassel, now at Nordiska Museet in Stockholm An armillary sphere (variations are known as spherical astrolabe, armilla, or armil) is a model of objects in the sky (on the celestial sphere), consisting of a spherical framework of rings, centered on Earth or the Sun, that represent lines of celestial longitude and latitude and other astronom...

Pizzica

Italian tarantella folk dance Dance of pizzica Pizzica (Italian pronunciation: [ˈpittsika]) is a popular Italian folk dance, originally from the Salento peninsula in Apulia and later spreading throughout the rest of Apulia and the regions of Calabria and eastern Basilicata. It is part of the larger family of tarantella. Dancing the pizzica The traditional pizzica is a couple dance. The couple need not necessarily involve two individuals of opposite sexes, and often two women can be s...

 

Équipe de Nauru de rugby à XV

Nauru Premier match officiel23 août 2019 Papouasie-Nouvelle-Guinée 89 – 5 NauruPlus large victoireAucune victoire Plus large défaite23 août 2019 Papouasie-Nouvelle-Guinée 89 – 5 Nauru Données clés Coupe du monde   · Participations - · Meilleur résultat - modifier L'équipe de Nauru de rugby à XV rassemble les meilleurs joueurs de rugby à XV de Nauru. Administrée par la fédération de Nauru de rugby à XV (Nauru Rugby Union), elle est membre de l'Oceania Rugby ...

 
Kembali kehalaman sebelumnya