بررسی مدل های تشخیص افسردگی در شبکه های اجتماعی

تجزیه و تحلیل احساسات ثابت کرده است که ابزار ارزشمندی برای سنجش افکار عمومی در رشته های مختلف است. این با موفقیت در پیش بینی بازار مالی، مسائل سلامت، تجزیه و تحلیل مشتری، ارزیابی ارزش تجاری، بازاریابی برند، سیاست، پیش بینی جرم و مدیریت اضطراری بکار گرفته شده است. بسیاری از مطالعات منتشر شده بر تجزیه و تحلیل احساسات پیام های توییتر متمرکز شده اند، عمدتا به این دلیل که جمعیت زیادی و متنوع تقریبا هر موضوعی را روزانه در این پلتفرم ابراز می کنند. این مقاله بررسی جامعی از واقعیت چندوجهی تحلیل احساسات در شبکه های اجتماعی را پیشنهاد می کند. این مقاله نه تنها روش های موجود برای تحلیل احساسات در شبکه های اجتماعی را از منظر دانشگاهی بررسی می کند، بلکه جنبه های جدیدی مانند پویایی زمانی، روابط علی و کاربردها در صنعت را نیز بررسی می نماید. این مقاله همچنین حوزه هایی را مطالعه می کند که این تکنیک ها در آن ها بکار گرفته شده اند، و کاربرد عملی روش های نوظهور هوش مصنوعی را مورد بحث قرار می دهد. این مقاله بر اهمیت خصوصیات زمانی و اثرات علی در تحلیل احساسات در شبکه های اجتماعی تاکید می کند و کاربرد آن ها را در زمینه های مختلف مانند ارزش بازار سهام، سیاست و آزار سایبری در مراکز آموزشی بررسی می کند. با توجه به تکنیک های بکار گرفته شده، تکنیک های سنتی مانند دیکشنری ها، شبکه های عصبی، یا ماشین های بردار پشتیبان بطور گسترده ارائه می شوند. بررسی مطالعات انجام شده در این حوزه نشان داده که این موضوع، هنوز فضای کافی برای فرصت های تحقیقاتی در زمینه ها، تکنیک ها و کاربردهای عملی وجود دارد، و انتظار است که در تعداد مقالات منتشر شده، پتنت ها و ابزارهای جدید نیز بررسی و ارائه شوند.

کلیدواژه ها:

تحلیل احساسات ، شبکه های اجتماعی ، یادگیری ماشین ، هوش مصنوعی.