ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بررسی روشهای بکارگیری الگوریتم های آنالیز احساسات در شبکه های اجتماعی

تعداد صفحات: 11 | تعداد نمایش خلاصه: 925 | نظرات: 3
سال انتشار: 1395
کد COI مقاله: DSCONF02_300
زبان مقاله: فارسی
(فایل این مقاله در 11 صفحه با فرمت PDF 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.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت 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 11 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی روشهای بکارگیری الگوریتم های آنالیز احساسات در شبکه های اجتماعی

سجاد ایمانی - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفادشت
نصرت علی اشرف پیامن - عضو هیات علمی دانشگاه خوارزمی
آزاده السادات خدایی - استاد دانشگاه آزاد اسلامی واحد صفادشت

چکیده مقاله:

با پیدایش وب ، مردم می توانستند عقاید خود را در مورد وب با توجه به فعالیت های روزانه و مقوله های جهانی، ساده تر بیان کنند و دراختیار دیگران قرار دهند. رشد تکاملی رسانه های اجتماعی هم تاثیر بسزایی در این فعالیت ها داشته است و یک برنامه ی شفاف را دراختیار ما قرار داده است تا نظرات خود را با جهانیان تقسیم کنیم. این واژه های الکترونیکی که (eWOM) بر روی وب نمایش دادهشدند در تجارت و صنایع خدماتی، بسیار متداول هستند و به مشتری ها قدرت به اشتراک گذاشتن اظهار نظراتشان را می دهند-یک دههو نیم گذشته، جوامع تحقیقاتی، مراکز آموزشی و صنایع خدماتی و عمومی با دقت بر روی بررسی احساسات که به آن حفاری عقیدههم می گویند کار کردند تا حالت و نظرات عمومی را از آن استخراج و بررسی کنند.(Sentiment Analysis (SA) و Opinion Mining (OM یک زمینه تحقیقاتی است که نظرات، احساسات، ارزیابی ها، رفتارها وگرایش ها و عواطف نوشته شده با یک زبان نوشتاری را آنالیز می کند. به عبارتی این تحقیقات از حیطه تحقیقات کامپیوتری فراتر رفتهو به دلیل اهمیت آن در اجتماع و کسب و کار وارد مباحث علوم مدیریتی و علوم اجتماعی می شود. افرایش اهمیت Sentiment analysis با رشد رسانه های اجتماعی مانند نظرسنجی ها، forum discussions ها، وبلاگ ها، توئیتر و شبکه های اجتماعی همزمانشده است. سیستم های Sentiment analysis تقریبا در همه زمینه های تجاری و اجتماعی مورد استفاده قرار می گیرند، در این مقالهسعی شده یکی از زمینه های تحقیقاتی پردازش زبان طبیعی را که در متن کاوی و داده کاوی هم به طور گسترده مورد بررسی قرارمی گیرد به نام تحلیل گر احساس یا علایق را معرفی کنیم و روش های کار آن را همراه با کاربردها و الگوریتم های آن در شبکه هایاجتماعی را به اختصار شرح دهیم.

کلیدواژه ها:

بررسي احساسات ؛ دسته بندي ؛ انتخاب ويژگي؛ يادگيري انتقال؛ ساخت منابع

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/507592/

کد COI مقاله: DSCONF02_300

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:
ایمانی، سجاد و علی اشرف پیامن، نصرت و خدایی، آزاده السادات،1395،بررسی روشهای بکارگیری الگوریتم های آنالیز احساسات در شبکه های اجتماعی،دومین کنفرانس بین المللی یافته های نوین علوم و تکنولوژی،قم،،،https://civilica.com/doc/507592

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، ایمانی، سجاد؛ نصرت علی اشرف پیامن و آزاده السادات خدایی)
برای بار دوم به بعد: (1395، ایمانی؛ علی اشرف پیامن و خدایی)
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 :

  • A. Ortigosa, J.M. Martیn, R.M. Carro, Sentiment analysis in Facebook ...
  • Experiments with SVM to classify opinions in different domains, Expert ...
  • W. Medhat et al., Sentiment analysis algorithms and applications: a ...
  • A. Montoyo, P. Martnez-B arco, A. Balahur, Subjectivity and sentiment ...
  • Analysis: an overview of the current state of the area ...
  • A. Balahur, Methods and Resources for Sentiment Analysis in Multilingual ...
  • Documents of Different Text Types, PhD Thesis, University of Alicante, ...
  • Y.M. Li, T.-Y. Li, Deriving market intelligence from microblogs, Decis. ...
  • D. Kang, Y. Park, Review-based measuremet of customer satisfaction in ...
  • H. Rui, Y. Liu, A. Whinston, Whose and what chatter ...
  • F. Li, M. Huang, Y. Yang, X. Zhu, Learning to ...
  • Pro ce edings -International Joint Conference on Artificial Intelligence, vol. ...
  • S. Poria, A. Gelbukh, A. Hussain, N. Howard, D. Das, ...
  • B. Liu, Sentiment analysis: a multifaceted problem, IEEE Intell. Syst. ...
  • S. Kumar, F. Morstatter, H. Liu, Twitter Data Analytics, Springer, ...
  • F.H. Khan et al., TOM: twitter opinion mining framework using ...
  • E. Kontopoulos, C. Berberidis, T. Dergiades, N. Bassiliades, Onto logy-based ...
  • H. Bao, Q. Li, S.S. Liao, S. Song, H. Gao, ...
  • W. Li, H. Xu, Text-based emotion classification using emotion cause ...
  • Extraction, Expert Syst. Appl. (2013), http :/dx.doi.org/ _). _ _ ...
  • K. Zhang et al., Incorporating conditional random fields and active ...
  • Y.C. Xu et al., Measuring product susceptibility in online product ...
  • M. Collins, Discriminatie training methods for hidden Markov models: Theory ...
  • F. Figueiredo, L. Rocha, T. Couto, T. Salles, M.A. Goncalves, ...
  • S. Wang, D. Li, X. Song, Y. Wei, H. Li, ...
  • G. Vinodhini, R.M. C handrasekaran, Opinion mining using principal component ...
  • Aggarwal Charu C, Zhai Cheng Xiang. Mining Text Data. Springer ...
  • Whitelaw Casey, Garg Navendu, Argamon Shlomo. Using appraisal groups for ...
  • Diana Maynard, Adam Funk. Automatic detection of political Opinions in ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله

    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

    3.67
    3 تعداد پژوهشگران نظر دهنده
    5
    4 2
    3 1
    2
    1

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 375
    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

    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