شناسایی میزان رضایت مشتریان در شبکه اجتماعی اینستاگرام با استفاده از تحلیل احساسات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,672
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NPECE01_452
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
با گسترش شگرف اینترنت شبکه های اجتماعی و استفاده روز افزون از آن با حجم انبوهی از نظرات کاربران در ارتباط با موضوعات مختلف روبرو هستیم که مطالعه و تحلیل نظرات در حجم انبوه با مشکلات زیادی مواجه است و کاربرد تکنیک های علمی ضرورتی اجتناب ناپذیر می باشد بسیاری از افراد برای انتخاب خدمات و کالاهای مورد نیاز خود به شبکه های اجتماعی مراجعه می کنند و ویژگی های خدمات و نقاط ضعف و قوت آن را توسط نوشتارها و نقدهای مرتبط مشخص نموده و خدمات یا کالای منطبق با نیاز خود را می یابند از طرف دیگر شرکت ها و مراکز خدماتی نیز می توانند با مراجعه به نقدهای نوشته شده توسط کاربران در شبکه های اجتماعی از مزایا و معایب کالا یا خدمات خود مطلع شده و در جهت بهبود قوت و رفع نقاط ضعف کالا و خدمات خود گام بردارند با توجه به وجود حجم زیاد اطلاعات و نقدهایی از این دست در شبکه های اجتماعی ضرورت وجود سیستمی برای استخراج این اطلاعات احساس می شود این سیستم ها سیستم های تحلیل احساسات نامیده می شوند معمولا تحلیل احساسات را بر یک موجودیت بررسی می کنند که در این پژوهش بر محصولات یک شرکت ارائه دهنده خدمات موبایل تحلیل احساسات انجام می شود در این مقاله پژوهش های انجام شده برای تحلیل احساسات را بررسی کرده و با استفاده از روش های مبتنی بر واژگان و یادگیری ماشین میزان رضایت و یا عدم رضایت مشتریان از یک شرکت ارائه خدمات و محصولات در شبکه های اجتماعی اینستاگرام بررسی می شوند
کلیدواژه ها:
نویسندگان
محمد عبدوس
کارشناسی ارشد هوش مصنوعی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
احمد اکبری
کارشناسی ارشد هوش مصنوعی آزمایشگاه پردازش و تحلیل متن شرکت آرمان رایان شریف
بهروز مینایی بیدگلی
عضو هیات علمی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
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 :