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

تشخیص هرزنظرهای کاربران در زبان فارسی با کاربست الگوریتم های یادگیری با نظارت: مطالعه موردی درحوزه هتلداری داخلی

سال انتشار: 1399
کد COI مقاله: ICFUZZYS19_011
زبان مقاله: فارسیمشاهد این مقاله: 32
فایل این مقاله در 6 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 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص هرزنظرهای کاربران در زبان فارسی با کاربست الگوریتم های یادگیری با نظارت: مطالعه موردی درحوزه هتلداری داخلی

سپیده جمشیدی نژاد - دانشجوی دکتری، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد رشت
فاطمه احمدی آبکناری - استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه پیام نور رشت
پیمان بیات - استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد رشت

چکیده مقاله:

همگام با توسعه شبکه های اجتماعی، استفاده روزافزون کاربران از نظرات درج شده برای تصمیم گیری در حوزه هایی چون خرید، رای دادن در انتخابات و... به پدیده ای با کاربرد چشمگیر بدل شده است. چالش این حوزه، وجود هرزنظر با تکیه بر این واقعیت است که یک فرد بدون ترس از افشای هویت واقعی از هر نقطه جهان می تواند به راحتی به بیان نظرات خود با اهداف مخرب در رسانه های اجتماعی اقدام کند. از این رو نظرات جعلی و هرز را برای ترویج یا بی اعتبار کردن محصولات، خدمات، سازمان ها یا افراد، منتشر سازد. تشخیص صحیح هرزنظر یک مساله مهم در حوزه نظرکاوی است زیرا علاوه بر وابستگی بسیار زیاد الگوریتم به ساختارهای زبانی، اعمال الگوریتم های هرزنظر از یک زبان به زبان دیگر سخت و یا غیرممکن است بنابراین یافتن نظرات جعلی و ساخت الگوریتمی قدرتمند تنها با تکیه بر اطلاعات موجود در متن نظر، ممکن نیست. مقاله حاضر با نوآوری در سه بخش در این حوزه به ترتیب با کار در زبان فارسی، استخراج نظر در سطح جمله و سند و ارائه مجموعه ای از ویژگی های بدیع ترکیب شده از اطلاعات متن، فراداده های آن، خصوصیات موجودیت و ویژگی های احساسی، به نظرکاوی نظرات فارسی درج شده کاربران هتل های ایران می پردازد و مساله تشخیص هرزنظر را به عنوان یک مساله دسته بندی دو دسته ای نگریسته و با هشت روش یادگیری با نظارت، مدلسازی می نماید. برای ارزیابی نتایج با استفاده از پارامترهای صحت، فراخوانی و دقت، درخت تصمیم به همراه دو دسته بند ترکیبی AdaBoost , Bagging به عنوان بهترین دسته بندها در تشخیص هرزنظر با مجموعه ویژگی های طراحی شده در این پژوهش شناسایی شدند. همچنین تشخیص هرزنظر مبتنی بر مجموعه ویژگی های این مقاله، با دو مجموعه جامع دیگر از ویژگی ها در سایر پژوهش ها، مقایسه شد. نتایج حاکی از برتری هفت مدل مقاله با مجموعه ویژگی های ارائه شده نسبت به دو مجموعه مقالات دیگر است.

کلیدواژه ها:

تشخیص هرزنظر، مدلسازی هرزنظر، نظرات فارسی، نظرکاوی

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/1193470/

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:
جمشیدی نژاد، سپیده و احمدی آبکناری، فاطمه و بیات، پیمان،1399،تشخیص هرزنظرهای کاربران در زبان فارسی با کاربست الگوریتم های یادگیری با نظارت: مطالعه موردی درحوزه هتلداری داخلی،کنگره مشترک سیستم های فازی و هوشمند ایران(نوزدهمین کنفرانس سیستم های فازی و هفدهمین کنفرانس سیستم های هوشمند)،مشهد،،،https://civilica.com/doc/1193470

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، جمشیدی نژاد، سپیده؛ فاطمه احمدی آبکناری و پیمان بیات)
برای بار دوم به بعد: (1399، جمشیدی نژاد؛ احمدی آبکناری و بیات)
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: دانشگاه آزاد
تعداد مقالات: 5,687
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