تجزیه و تحلیل احساسات در سطح ویژگی محصول و مبتنی بر جنسیت کاربران

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 72

This Paper With 30 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IMS-10-37_009

تاریخ نمایه سازی: 5 مهر 1402

Abstract:

داده های شبکه های اجتماعی یکی از موثرترین و دقیق ترین شاخص های احساسات عمومی است، بطوریکه تجزیه و تحلیل این اطلاعات می تواند نتایج جالبی از احساسات کاربران نسبت به هر شخصیت، موضوع، محصول و خدمات را برای محققین نمایان سازد. در این پژوهش، ضمن بررسی نظرات کاربران در شبکه اجتماعی توییتر در مورد ویژگی های مختلف دو محصول رقیب تلفن همراه در بازار یعنی Iphone X شرکت اپل و Galaxy S۹ شرکت سامسونگ، احساسات آنان را براساس جنسیت مصرف کنندگان این دو محصول مورد بررسی قرار می دهیم. این بررسی با استفاده از روش مبتنی بر رابطه در مرحله استخراج ویژگی و رویکرد مبتنی بر لغت نامه احساسی در مرحله تعیین قطبیت نظرات انجام می گیرد. نتایج این تحقیق بیان می دارد که محبوبیت ویژگی های مختلف محصول بین کاربران مرد و زن متفاوت بوده و براساس این نتایج، صاحبان کسب و کار می توانند اقدام به تولید محصولاتی با تمرکز بر جنسیت افراد کرده و یا به طراحی برنامه های هوشمند تبلیغاتی با توجه به علایق آنان بپردازند. این اقدامات در نهایت به افزایش سوددهی کسب و کار و رضایت مندی مشتریان منجر می گردد.

Keywords:

Authors

شهریار محمدی

کارشناسی ارشد مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران

اسلام ناظمی

دانشیار دانشکده مهندسی و علوم کامپیوتر دانشگاه شهید بهشتی، تهران، ایران.مدیر مرکز آموزشهای الکترونیکی دانشگاه شهید بهشتی( نویسنده مسئول: Nazemi@sbu.ac.ir)

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • بررسی مدل های نظرکاوی و تجزیه و تحلیل احساسات کاربران در محیط وب [مقاله کنفرانسی]
  • Abdous, M., & He, W. (۲۰۱۱). Using text mining to ...
  • Ansari, M., Aziz, M., Siddiqui, M., Mehra, H., & Singh, ...
  • Basari, A. S., Hussin, B., Ananta, G. B., & Zeniarja, ...
  • Belkaroui, R., & Faiz, R. (۲۰۱۵). Towards events tweet contextualization ...
  • Cambria, E., Schuller, B., Xia, Y., & Havasi, C. (۲۰۱۳). ...
  • Global Web Index. (۲۰۲۰). Social H۳ ۲۰۲۰ report. Global Web ...
  • He, W., Zha, S., & Li, L. (۲۰۱۳). Social media ...
  • Hu, M., & Liu, B. (۲۰۰۴). Mining opinion features in ...
  • Hung, C., & Lin, H. K. (۲۰۱۳). Using Objective Words ...
  • Hutto, C. J., & Gilbert, E. (۲۰۱۴). VADER: A Parsimonious ...
  • Ibrahim, N., & Wang, X. (۲۰۱۹). Decoding the sentiment dynamics ...
  • Li, Z. C., Zhang, M., MA, S. P., Zhou, B., ...
  • Liang, P. W., & Bi-Ru, D. (۲۰۱۳). Opinion Mining on ...
  • Mikula, M., & Machova, K. (۲۰۱۵). Classification of opinions in ...
  • Othman, R., Belkaroui, R., & Faiz, R. (۲۰۱۷). Extracting Product ...
  • Pang, B., & Lee, L. (۲۰۰۲). Thumbs up ? Sentiment ...
  • Pearson, T., & Wegener, R. (۲۰۱۳). Big data: the organizational ...
  • Vinodhini, G., & Chandrasekaran, R. M. (۲۰۱۳). Sentiment Mining Using ...
  • Ye, Q., Zhang, Z., & Law, R. (۲۰۰۹). Sentiment Classification ...
  • Zhang, L., Biu, B., Lim, S. H., & O'Brien-Strain , ...
  • Zhuang, L., Jing, F., & Zhu, X. (۲۰۰۶). Movie review ...
  • استناد به این مقاله: محمدی، شهریار، ناظمی، اسلام. (۱۴۰۰). تجزیه ...
  • DOI: ۱۰.۲۲۰۵۴/IMS.۲۰۲۱.۵۲۱۱۰.۱۷۲۳ Journal of Business Intelligence Management Studies is licensed under ...
  • نمایش کامل مراجع