تحلیل احساس و کاوش عقیده از متن به روش بدون نظارت با استفاده از منطق فازی: کاربرد در تحقیقات بازار
Publish place: New Marketing Research Journal، Vol: 14، Issue: 1
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 134
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NMRJ-14-1_006
تاریخ نمایه سازی: 7 بهمن 1403
Abstract:
تجزیه و تحلیل احساسات کاربران در حوزه بازاریابی و بهبود تجربه مشتریان نقشی اساسی دارد و به تدوین استراتژی های بازاریابی کمک می کند. این تحلیل یکی از عوامل اساسی در ارزیابی کارآیی و عملکرد رسانه های اجتماعی به عنوان ابزارهای ارتباطی است. پژوهش حاضر از لحاظ هدف، کاربردی، از لحاظ زمان، مقطعی، از لحاظ متغیر پژوهشی، کمی و کیفی و از لحاظ طرح پژوهش، توصیفی است. محققان این پژوهش با بهره گیری از سیستم فازی و رویکرد بدون نظارت، بدون نیاز به دانش پیشین و داده های برچسب گذاری شده توییت های کاربران را دسته بندی کردند. این پیشرفت در تحلیل احساسات به محققان و صنعت گران امکان می دهد تا بدون نیاز به داده برچسب گذاری شده اطلاعات مفیدی را از نظر ها و احساسات کاربران در زمینه و بستر دلخواه خود استخراج و از آن در فرآیند تصمیم گیری های تجاری برای دستیابی به سود بیشتر استفاده کنند. محققان در پژوهش حاضر تجربه های کاربران را درباره تلفن های همراه شرکت های سامسونگ و اپل از سال ۲۰۲۲ تاکنون بررسی و تحلیل و آنها را به شکل مثبت، منفی و خنثی دسته بندی کردند. بدین منظور از سه ابزار تحلیل احساسات واژگان SentiWordNet، AFINN و VADER برای تعیین قطبیت توییت ها استفاده شد. نتایج دسته بندی نشان داد که میزان رضایت کاربران از تلفن های همراه شرکت سامسونگ نسبت به شرکت اپل بیشتر بوده است.
Keywords:
Authors
دلیله رشیدی
دانش آموخته کارشناسی ارشد هوش مصنوعی، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران
محمد رحمانی منش
دانشیار گروه آموزشی مهندسی نرم افزار کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران
محسن شفیعی نیک آبادی
دانشیار گروه آموزشی مدیریت صنعتی، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران
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 :