ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارائه روشی مبتنی بر پیش پردازش برای بهبود عقیده کاوی در توییتر فارسی

سال انتشار: 1394
کد COI مقاله: ICEECS01_084
زبان مقاله: فارسیمشاهده این مقاله: 1,125
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه روشی مبتنی بر پیش پردازش برای بهبود عقیده کاوی در توییتر فارسی

زهرا احمدی مشکانی - کارشناس ارشد هوش مصنوعی دانشگاه شیخ بهایی
مهدی باطنی - استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه شیخ بهایی

چکیده مقاله:

عقیده کاوی و تجزیه و تحلیل احساسات کمک می کند تا شرکت ها و ارائه دهندگان خدمات عقاید و احساسات مشتریان و کاربران خود را بدانند و براساس نیازهای مشتریان و کاربران محصولات و خدمات خود را ارائه دهند. عقیده کاوی یکی از برترین علایق دانشمندانی مانند روانشناسان اجتماعی را تشکیل می دهد، طوری که در برخی منابع عقیده کاوی را باز شدن پنجره ای به روی تفکر روانی و واکنش آنلاین جوامع می دانند. این مسئله به مطالعه و درک اذهان عمومی در جوامع در زمان های خاص کمک می کند. هدف از این مقاله پیدا کردن روشی است که به صورت خودکار بتواند عقیده موجود در توییت های ارسال شده ی فارسی را تعیین کند. هدف روش پیشنهادی توسعه طبقه بندی مبتنی بر روش های پیش پردازش و تکنیک های هوش مصنوعی که شامل ترکیب الگوریتم ژنتیک و استنتاج فازی است که با استفاده از آن بتوان به صورت خودکار نظرات بیان شده در قالب توییت را در دسته های مثبت، منفی طبقه بندی کرد. استفاده از این روش خودکار می تواند بلافاصله پس از پست توییت جدید اعلام کند که محتوای آن حاوی چه عقیده و احساسی می باشد. نتایج پیاده سازی سیستم پیشنهادی نشان دهنده ی کارایی و برتری قابل توجه سیستم نسبت به کارهای مشابه می باشد .

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICEECS01_084 میباشد و 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/403208/

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:
احمدی مشکانی، زهرا و باطنی، مهدی،1394،ارائه روشی مبتنی بر پیش پردازش برای بهبود عقیده کاوی در توییتر فارسی،کنفرانس بین المللی مهندسی برق و علوم کامپیوتر،قم،https://civilica.com/doc/403208

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: (1394، احمدی مشکانی، زهرا؛ مهدی باطنی)
برای بار دوم به بعد: (1394، احمدی مشکانی؛ باطنی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Sanjiv Das and Mike Chen. Yahoo! for Amazon: Extracting market ...
  • Kenji Tateishi, Yoshihide Ishiguro, and Toshikazu Fukushima. Opinion information retrieval ...
  • Go, Alec, Lei Huang, and RichaBhayani. "Twitter sentiment analysis." Entropy17 ...
  • Richard M. Tong. An operational system for detecting and tracking ...
  • Pang, Bo, and Lillian Lee. "Opinion mining and sentimet analysis." ...
  • B. Pang, L. Lee, S. Vaithyanathan. Thumbs up? Sentiment Classification ...
  • P. Turney. "Thumbs Up Or Thumbs Down? Semantic Orientation Applied ...
  • B. Pang and L. Lee. "A Sentimental Education: Sentiment Analysis ...
  • Go, Alec, RichaBhayani, and Lei Huang. "Twitter sentiment classification using ...
  • J. Read. Using Emotions to Reduce Dependency in Machine Learning ...
  • _ 1.Kouloumpis, Efthymios, Theresa Wilson, and Johanna Moore. "Twitter sentiment ...
  • Brody, Samuel, and Nicholas Diakopoulos. _ _ C o o ...
  • Saif, Hassan, Yulan He, and HarithAlani. "Semantic sentiment analysis of ...
  • Saif, Hassan, Yulan He, and HarithAlani. "Alleviating data sparsity for ...
  • _ 5 .Dehkharghani, Rahim, et al. "Sentimental causal rule discovery ...
  • Hagen, Matthias, et al. "Twitter sentiment detection via ensemble classification ...
  • Saif, Hassan, et al. "Senticircles for contextual and conceptual semantic ...
  • Speriosu, Michael, et al. "Twitter polarity classification with label propagation ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    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: 549
    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 پیشنهادی مرتبط

    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