کاوش عنوان در متن با استفاده از ترکیب مدل موضوعی، NERC و آنالیز احساسی
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 717
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_039
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
در این مقاله ی مروری به معرفی کارهای انجام شده درزمینه ی یافتن عنوان در متن، با استفاده از یک مدل ترکیبی پرداخته ایم. این مدل، ترکیبی از مدل موضوعی (Topic Modeling)، شناسایی موجودیت نام گذاری شده(NER) و آنالیز احساسی(Sentiment Analysis)، برای استفاده در آنالیز داده های بلاگ ها و شبکه های اجتماعی می باشد. هدف اساسی در این تحقیق ارائه ی یک روش جدید برای آنالیز و کاوش عنوان در متون مختلف است. در این مقاله ی مروری از تکنیک Topic Discovery برای تعیین کلمات کلیدی و تشخیص اسامی معرفی شده و برای تعیین اسامی به کار گرفته شده در متون از متد NER همچنین برای دسته بندی داده های بلاگ ها به دو کلاس مثبت و منفی، از طبقه بندی احساسی (Sentiment Classification) استفاده کرده ایم.
کلیدواژه ها:
LDA ، Sentiment Classification ، Name Entity Recognition ، Topic Modeling ، Text Analyticsتوزیع پنهان دیریکله ،
نویسندگان
فاطمه فروزش
دانشگاه پیام نور تهران واحد ری
سولماز محمودیان
دانشگاه پیام نور تهران واحد تهران شمال
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 :