مروری بر روش های یادگیری ماشین در تحلیل احساسات
- سال انتشار: 1399
- محل انتشار: ششمین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ
- کد COI اختصاصی: DCBDP06_032
- زبان مقاله: فارسی
- تعداد مشاهده: 1594
نویسندگان
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کرج، ایران
استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کرج، ایران
چکیده
رشد شبکه های اجتماعی کاربران را قادر ساخت تا نظرات خود را آزادانه در این محیط ها بیان کنند؛ تحلیل این نظرات یکی از مسائل قابل تأمل در زمینه های گوناگون از قبیل تجاری، سیاسی و غیره جهت برآورده نمودن اهداف مختلف می باشد. تحلیل احساسات یکی از زیرشاخه های پردازش زبان طبیعی است که هدف آن طبقه بندی متون با توجه به احساسات و یا نگرش های بیان شده می باشد. درسال های اخیر پژوهش های مختلفی در زمینه ی استفاده از روش های یادگیری ماشین برای تحلیل احساسات انجام شده است . هدف این مقاله بررسی و مقایسه ی روش های یادگیری ماشین در تحلیل احساسات می باشد . روش های یادگیری ماشین به سه دسته ی تحت نظارت، نیمه نظار ت و بدون نظارت تقسیم بندی شده اند. در هر دسته پس از معرفی روش های آن، ویژگی های آ نها از نظر مجموعهداده ی مورد استفاده، روش مورد استفاده برای دسته بندی احساسات، معیار ارزیابی و سطحی که د ر آن تحلیل احساسات انجام شده است مقایسه شده اند.کلیدواژه ها
تحلیل احساسات، یادگیری ماشین، یادگیری تحت نظارت، یادگیری نیمه نظارت، یادگیری بدون نظارتمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.