مروری بر بکارگیری روابط معنایی و روش ترکیبی جهت عقیده کاوی و تحلیل احساسات در شبکه اجتماعی توییتر
- سال انتشار: 1396
- محل انتشار: دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: CITCOMP02_143
- زبان مقاله: فارسی
- تعداد مشاهده: 1187
نویسندگان
مربی گروه مهندسی کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران
گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران
گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران
گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران
چکیده
توییتر با فراهم نمودن بستری برای بیان احساسات و عقاید در زمینه های مختلف، با استقبال بسیار روبرو شده است. عقیده کاوی در این شبکه اجتماعی، به دلیل کاربردهای گسترده آن در دو حوزه علوم اجتماعی و تجارت بسیار مورد توجه قرار گرفته است. عقیده کاوی را میتوان از دو دیدگاه، نگرش احساسات نسبت به موجودیتی خاص و نگرش احساسات کلی یک توییت، مورد بررسی قرار داد که در توییتر بیشتر بر روی دیدگاه دوم تاکید می گردد. بررسی نگرش کلی احساسات یک توییت به دوشیوه آموزش با نظارت و بر پایه فرهنگ لغات انجام می شود. به دلیل محدودیت های روش آموزش با نظارت همچون نیاز به داشتن داده آموزشی، موجب شده که اکثر روش های عقیده کاوی توییتر به روش مبتنی بر واژه نامه تاکید کنند. در گذشته، بیشتر روش ها در حوزه عقیده کاوی مبتنی بر واژه نامه، روی متون ساخت یافته انجام می شدند در حالیکه این متدها برای متون موجود در توییتر که دارای محدودیت تعداد کاراکتر بوده و حاوی کلمات اختصار و اصطلاحات عامیانه می باشند، نتیجه خوبی نداشتند. در سال 2012، Thelwall و همکاران واژهنامه ای ارایه نمودند که برای کار با داده های اجتماعی مناسب بودند. الگوریتم پیشنهادی با نام SentiStrength، میزان نگرش یک متن عامیانه را با بکارگیری فرهنگ لغات مشخص می کند.کلیدواژه ها
عقیده کاوی، تحلیل احساسات، الگوریتم SVM، هوش مصنوعی، شبکه اجتماعیمقالات مرتبط جدید
- مرور سیستماتیک کاربرد هوش مصنوعی در موسیقی
- In-silico Analyses for Finding Potential Key Genes and Pathways Associated with Guillain-Barré Syndrome Using Computational Tools
- OCD Severity Based on EEG Signals
- Investigating the (non) -Impact of Customizing Knowledge Bases of Artificial Intelligence -Driven Robot on Language for Specific Purposes Learning
- The Need for Telehealth and Tele-Educationon in Optimizing Measles Surveillance and Reducing Healthcare Costs
اطلاعات بیشتر در مورد 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.