ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تحلیل احساسات مبتنی بر داده های متنی برای تشخیص شخصیت کاربران با استفاده از یادگیری عمیق

سال انتشار: 1399
کد COI مقاله: SENACONF10_151
زبان مقاله: فارسیمشاهد این مقاله: 44
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تحلیل احساسات مبتنی بر داده های متنی برای تشخیص شخصیت کاربران با استفاده از یادگیری عمیق

فاطمه محدث دیلمی - گروه مهندسی کامپیوتر موسسه آموزش عالی ایندگان تنکابن ایران
حسین صدر - گروه مهندسی کامپیوتر دانشگاه آزاداسلامی واحدعلوم وتحقیقات تهران تهران ایران
زینب خداوردیان - گروه مهندسی کامپیوتر موسسه آموزش عالی ایندگان تنکابن ایران
سیداسمعیل سادات دیلمی - دانش آموخته مقطع کارشناسی ارشد، نرم افزار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، البرز، ایران

چکیده مقاله:

جهان امروز با رشد سبک جدیدی از ارتباطات، امکان تعامل افراد باشخصیت های گونـاگون را امکـان پـذیر نمـوده اسـت. متن های منتشرشده توسط کاربران در فضای مجازی معرف شخصیت آنها است. الگوریتم های یـادگیری ماشـین کـه توابـع پیچیده را با ترکیب دنباله هایی از توابع ساده تر در هر لایه آموزش میدهند، انتخاب مناسبی برای تجزیـه و تحلیـل ایـن گونـه مسائل می باشند، اما به منظور غلبه بر پیچیدگی و پراکندگی محتوایی و نحوی داده ها، به منظـور تجزیـه وتحلیـل شخصـیت و وابستگی دانش کسب شده در طول فرآیند یادگیری نیاز به الگوریتم ژرف احساس مـیشـود. هـدف ایـن مقالـه بـه کـارگیری الگوریتم های یادگیری ژرف به منظور دسته بندی متون در راستای پیش بینی شخصیت میباشد. نتیجـه بررسـیهـای صـورت گرفته بر روی کارهای انجام شده توسط سایر محققین منجر بـه انتخـاب الگـوریتم حافظـه طـولانی مـدت کوتـاه بـه منظـور دسته بندی داده ها گردید که با تکنیک آدابوست سعی بر آن شده است داده های آزمایشی که با خطا دسـته بنـدی شـده انـد در مرحله دوم دسته بندی با اختصاص ضریب آلفا، با دقت بالاتری دسته بندی گردنـد. لـذا دقـت روش پیشـنهادی بسـیار بـالاتر خواهد بود. به منظور ارزیابی عملکرد دسته بند پیشنهادی، از معیار دقت استفاده شده است. روش پیشـنهادی توانسـته اسـت در 50 دوره اجرا با دقت (وظیفه شناسی 65/24 درصد، انعطاف پذیری 61/05 درصد، توافق پذیری 59/89 درصـد، روان رنجـوری 62/67 درصد و برون گرایی 62/59 درصد) به نقطه همگرایی دست یابد. ماحصل این مطالعات میتوانـد در امنیـت سـایبری، تجارت الکترونیک و حتی فعالیتهای سیاسی، فرهنگی و اجتماعی به روانشناسان هر حوزه کمک شایانی نماید.

کلیدواژه ها:

یادگیری ژرف، شبکه عصبی LSTM، تحلیل ویژگیها، آدابوست، شناسایی شخصیت. پنج عامل بزرگ شخصیت

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1179799/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محدث دیلمی، فاطمه و صدر، حسین و خداوردیان، زینب و سادات دیلمی، سیداسمعیل،1399،تحلیل احساسات مبتنی بر داده های متنی برای تشخیص شخصیت کاربران با استفاده از یادگیری عمیق،دهمین کنگره سراسری فناوری های نوین در حوزه توسعه پایدار ایران،تهران،،،https://civilica.com/doc/1179799

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، محدث دیلمی، فاطمه؛ حسین صدر و زینب خداوردیان و سیداسمعیل سادات دیلمی)
برای بار دوم به بعد: (1399، محدث دیلمی؛ صدر و خداوردیان و سادات دیلمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: 343
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی