کاربرد ویژگی های متنی در تحلیل عقاید

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 550

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICESCON01_0974

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

امروزه با گسترش شبکه های اجتماعی و مشارکت کاربران در فروم ها، به حجم عظیمی از داده های متنی می توان دسترسی داشت. تحلیل های متنوعی پیرامون داده های استخراج شده، انجام می شود و با بررسی این داده ها، می توان به نتایج مهمیدر زمینه های اقتصادی، اجتماعی، سیاسی و موارد دیگر، دست یافت. بنابراین نیاز به روش هایی خودکار برای کشف نظرات کاربران از داده های متنی احساس می شود. در این بررسی، به معرفی تحلیل احساسات و عقاید از داده های متنی پرداخته و ویژگی های متنی مهم در این حیطه را بررسی خواهیم کرد. این ویژگی ها گامی مهم در پردازش زبان های طبیعی شناختهشده و با تبدیل آن به فرمی ساخت یافته و قابل فهم برای ماشین، اعمال الگوریتم های یادگیری ماشینی را برای تحلیل گران امکان پذیر می کنند. به طور کلی پردازش زبان های طبیعی یکی از موضوعات چالش برانگیز در علوم کامپیوتری محسوب می شود و پژوهشگران با استفاده از کاربردهای آن در تحلیل عقاید، سعی در شناسایی اجزای متن و ارتباط آن ها با یکدیگر و نهایتاً بیان میزان قطبیت عبارات بهصورت یک اندازه ی عددی دارند

نویسندگان

افسانه مهدوی آزاد

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار دانشگاه آزاد اسلامی واحد تهران مرکز

محمد زینالی

معمار و مشاور نرم افزار

رامین رهنمون

عضو هیئت علمی دانشکده فنی دانشگاه آزاد اسلامی واحد تهران مرکز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Melville, Prem. et. al. (2009). Sentiment analysis of blogs by ...
  • Conference tه Lin, Chin-Yew and Hovy, Eduard _ (1997). Identifying ...
  • Xia, Rui. et. al. (20 11.Ensemble of feature sets and ...
  • Zhang, Ziqiong. et. al. (2011). Sentiment classification of Internet restaurant ...
  • Kim, Soo-min And Hovy, Eduard.(2007). Crystal :Analyzing predictive opinions on ...
  • Bansal, Mohit. et. al. (2008). The powr of negative thinking: ...
  • Jurafsky, Daniel and Martin, James H. (2008). Speech and language ...
  • Pang, Bo. et. al. (2002). Thumbs up?: sentiment classificatiom using ...
  • Wiegand, Michael. et. al. (2010). A Survey _ the Role ...
  • Polanyi, Livia. and Zaenen, Annie . (2006). Contextual valence shifters. ...
  • Kennedy, Alistair and Inkpen, Diana.(2006). Sentiment classificatiot of movie reviews ...
  • Lin, Wei-Hao. et. al. (2006). Which side are you on? ...
  • Davidov, Dmitry. et. al. (2010). Enhanced sentiment learning using twitter ...
  • Kim, Soo-Min. and Hovy, Eduard. (2006). Automatic identification of pro ...
  • Jeonghee, Yi. et. al. (2003). Sentiment Analyzer: Extracting Sentiments about ...
  • نمایش کامل مراجع