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

مقاله مروری مکانیزم های ارائه شده در نظرکاوی

سال انتشار: 1395
کد COI مقاله: RCEITT02_106
زبان مقاله: فارسیمشاهد این مقاله: 562
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 مقاله مروری مکانیزم های ارائه شده در نظرکاوی

سیدعلی حسینی - دانشگاه آزاد اسلامی، واحد سنندج

چکیده مقاله:

همواره قسمت مهمی از رفتار های کسب اطلاعات در انسان ها برای فهمیدن، این موضوع است که مردم دیگر در مورد آنهاچه نظر و عقیده ای دارند. امروزه با افزایش و دسترسی رو به گسترش منابع نظرات مانند سایت های آنلاین، وبلاگ هایشخصی و شبکه های اجتماعی فرصت های جدیدی برای مردم بوجود می آید که بر اساس آن می تواند به طور فعال بااستفاده از فن آوری اطلاعات نظرات دیگران را درک و دنبال کنند.اگر چه حوزه ی تجزیه و تحلیل احساسات و عقیده کاوی طبق آمار در سال های اخیر انفجار عظیمی از فعالیت هایتحقیقاتی را شاهد بوده است، اما می توان نشان داد که علاقه ی پنهانی از مدت ها قبل در این زمینه وجود داشته است.پروژه هایی که در مورد اعتقادات انجام شده است، یکی از این زمینه های پیشگام در این حوزه به حساب می آید.کار های بعدی بیشتر روی تفسیر کنایه ها، نقطه نظرات، روایت ها، تمایلات، مدارک و موارد مرتبط با آن ها متمرکز میشد.سال 2001 و چند سال پس از آن را می توان به عنوان آغاز آگاهی وسیع مردم در مورد مسائل و فرصت های پژوهشیپیرامون تجزیه و تحلیل احساسات و عقیده کاوی بیان کرد. پس از آن سالانه صد ها مقاله پیرامون این موضوع و کاربرد های آن به چاپ می رسد. عواملی که در افزایش توجه به این حوزه ی علمی تاثیر دارند، عبارتند از، ظهور روش هاییادگیری ماشین در پردازش زبان طبیعی و بازیابی اطلاعات و در دسترس بودن پایگاه های داده برای آموزش الگوریتم هاییادگیری ماشین می باشد. تاکنون روش های متعددی برای نظرکاوی معرفی شده است که شامل روش های نظارتی وغیرنظارتی می شود .برخی از این روش ها، از روابط معنایی بین کلمه ها و نقش دستوری کلمه ها استفاده کرده اند وبرخی دیگر از لغت نامه ها برای این منظور بهره برده اند . در نظرکاوی بر ویژگی های متعددی تمرکز شده است . یکیاز روش های اولیه ای که در سطح سند در نظرکاوی انجام می گیرد، دسته بندی نظر ها در دو گروه مثبت و منفی براساس میانگین قطبیت عبارت های سند است . به طور معمول عبارت هایی به کار برده می شوند که صفت و قید باشند .روش های یادگیری ماشین، و آنتروپی بیشینه، با فرضیه های گوناگونی برای نظرکاوی در سطح SVM مانند بیزین ساده سند بررسی شده اند .در این روش ها، محققان از دو مجموعه مثبت و منفی استفاده کرده اند که هر یک هفت عضو دارد .استفاده از ویژگی حضورداشتن و حضورنداشتن کلمه ها و تک کلمه ای بهترین نتیجه را درپی داشته است.

کلیدواژه ها:

عقیده ، عقیده کاوی ، سلسله مراتبی ، آنتروپی ، یادگیری ماشین ، احساسات ، احساسی - موضوعی

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/528313/

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:
حسینی، سیدعلی،1395،مقاله مروری مکانیزم های ارائه شده در نظرکاوی،دومین همایش ملی پژوهش های مهندسی رایانه،همدان،،،https://civilica.com/doc/528313

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، حسینی، سیدعلی؛ )
برای بار دوم به بعد: (1395، حسینی؛ )
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 :

  • Pang, Bo, and Lillian Lee. "Opinion mining and sentiment analysis." ...
  • Yorick Wilks and Janusz Bien. Beliefs, points of view and ...
  • Jaime Carbonell. Subjective Understanding: Computer Models of Belief Systems. PhD ...
  • Marti Hearst. Direction-b ased text interpretation as an information access ...
  • Alison Huettmer and Pero Subasic. Fuzzy typing for document management. ...
  • Kantrowitz, Mark. "Method and apparatus for analyzing affect and emotion ...
  • Bae, Younggue, and Hongchul Lee. "Sentiment analysis of Twitter audiences: ...
  • Sanjiv Das and Mike Chen. Yahoo! for Amazon: Extracting market ...
  • Kenji Tateishi, Yoshihide Ishiguro, and Toshikazu Fukushima. Opinion information [10] ...
  • Wright, A. (2009). Our sentiments, exactly. Commun. ACM, 52(4), 14-15. ...
  • B. Pang, L. Lee, S. Vaithyanathan. Thumbs up? Sentiment Classification ...
  • Unsupervised Classification of Reviews" in Proceedings of the 40th Annual ...
  • B. Pang and L. Lee. "A Sentimental Education: Sentiment Analysis ...
  • J. Read. Using Emotions to Reduce Dependency in Machine Learning ...
  • Kouloumpis, Efthymios, Theresa Wilson, and Johanna Moore. "Twitter sentiment [17] ...
  • Brody, Samuel, and Nicholas Diakopoulos. _ _ C _ O ...
  • Saif, Hassan, Yulan He, and Harith Alani. "Semantic sentiment analysis ...
  • Saif, Hassan, Yulan He, and Harith Alani. "Alleviating data sparsity ...
  • Dehkharghani, Rahim, et al. "Sentimental causal rule discovery from Twitter. ...
  • Hagen, Matthias, et al. "Twitter sentiment detection via ensemble classification ...
  • Saif, Hassan, et al. "Senticircles for contextual and conceptual semantic ...
  • Kontopoulos, Efstratios, et al. _ _ Onto logy-based sentiment analysis ...
  • Go, Alec, Lei Huang, and Richa Bhayani. "Twitter sentiment analysis." ...
  • Pang, Bo; Lee, Lillian (2008). "4.1.2 Subjectivity Detection and Opinion ...
  • Zadeh, L. A.: Outline of a new approach to the ...
  • Tutorial for Competent Memetic Algorithms: Model, [29] A؛ه Natalio Krasnogor, ...
  • 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: دانشگاه آزاد
    تعداد مقالات: 4,010
    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