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

نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین

تعداد صفحات: 7 | تعداد نمایش خلاصه: 1068 | نظرات: 2
سال انتشار: 1395
کد COI مقاله: CITCOMP01_011
زبان مقاله: فارسی
(فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
فرمت فایل مورد نظر را انتخاب فرمایید:


مشخصات نویسندگان مقاله نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین

افسانه بنی طالبی - مربی ، گروه کامپیوتر و فناوری اطلاعات ، دانشگاه پیام نور ،صندوق پستی 3697-19395 تهران ، ایران
فرساد زمانی - دانشگاه آزاد اسلامی واحد خوراسگان(اصفهان)، گروه کامپیوتر،اصفهان، ایران

چکیده مقاله:

این مقاله به دنبال نظرکاوی برروی مجموعه داده های شبکه های اجتماعی با استفاده از الگوریتم ماشین یادگیری نایو بایس است. نظرکاوی به عنوان زیر مجموعه متن کاوی به دنبال تحلیل نظرات و طبقه بندی آن به دو گروه مثبت و منفی و در برخی مواقع خنثی است برای این کار یکی از رویکردها، استفاده از الگوریتم های ماشین یادگیری برای ایجاد مدل است. برای ایجاد مدل توسط این الگوریتم ها ابتدا با استفاده از مجموعه داده برچسب گذاری شده، الگوریتم آموزش داده می شود و سپس بر اساس این مدل آموزش داده شده، مدل طبقه بندی ارائه می شود. دقت مدل طبقه بندی نیز بر اساس مجموعه داده تست ارزیابی می شود..برای آموزش مدل با استفاده از الگوریتم نایوبایس ، از مجموعه داده نظرات فیلم استفاده شده است ، دو تکنیک مهندسی ویژگی کیف لغات و tf-idf دراین مقاله استفاده شده و نتایج آنها بایکدیگر درنهایت مقایسه می شوند. در این پژوهش مدل ایجاد شده توسط جملاتی از شبکه اجتماعی توییتر تست شده است. نتایج بدست آمده نشاندهده موفقیت روش tf-idf نسبت به روش کیف لغات می باشد.

کلیدواژه ها:

نظركاوي ، شبكه هاي اجتماعي ، الگوريتم نايو بايس ، tf-idf ، روش كيف لغات

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/493940/

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:
بنی طالبی، افسانه و زمانی، فرساد،1395،نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین،کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات،تهران،،،https://civilica.com/doc/493940

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: (1395، بنی طالبی، افسانه؛ فرساد زمانی)
برای بار دوم به بعد: (1395، بنی طالبی؛ زمانی)
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 ممقالهقاله لینک شده اند :

  • Using the twitter search API, August 2013. ...
  • Apoorv Agarwal, Boyi Xie, Ilia Vovsha, Owen Rambow, and Rebecca ...
  • Lillian Lee Bo Pang and Shivakumar Vaithyanathan _ Thumbs up?: ...
  • CNN Doug Gross. Survey: More americans get news from internet ...
  • Alec Go, Richa Bhayani, and Lei Huang. Twitter sentiment classification ...
  • Minqing Hu and Bing Liu. Mining and summarizing customer reviews. ...
  • Lev _ ewagemedia _ Social media comparison infographic, 20 13. ...
  • Bing Liu. Sentiment analysis and subjectivity. Handbook ofnatural language processing, ...
  • Laurent Luce Twitter sentiment analysis using python and nltk, 2014. ...
  • Christopher D Manning and Hinrich Sch:utze. Foundations of0statistical natural language ...
  • Bo Pang and Lillian Lee. Opinion mining and sentiment analysis. ...
  • Niek Sander. Twitter sentiment corpus, 2014. [Online; accessed 9-July-2014]. ...
  • نقد پژوهشگران در مورد مقاله نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین
    مهدی عامر (1395/06/19): این مقاله نمونه خارجی زیادی داره ودر مقایسه با مقالات خارجی قدرت و کیفیت بالایی نداره

    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.

    نظرات خوانندگان

    4.00
    2 تعداد پژوهشگران نظر دهنده
    5 1
    4
    3 1
    2
    1

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: پیام نور
    تعداد مقالات: 47,586
    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