بررسی روشهای بکارگیری الگوریتم های آنالیز احساسات در شبکه های اجتماعی

سال انتشار:

1395

نوع سند:

مقاله کنفرانسی

زبان:

فارسی

مشاهده:

2,577

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DSCONF02_300

تاریخ نمایه سازی: 21 شهریور 1395

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.

نویسندگان

سجادایمانی
سجاد ایمانی

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد صفادشت

نصرتعلی اشرف پیامن
نصرت علی اشرف پیامن

عضو هیات علمی دانشگاه خوارزمی

آزاده الساداتخدایی
آزاده السادات خدایی

استاد دانشگاه آزاد اسلامی واحد صفادشت

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 :
  • 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 ...