مقایسه کارایی طبقه بندهای مختلف متن برای عقیده کاوی درنقدکالا
Publish place: 12th Iranian Conference on Intelligent Systems
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,701
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICS12_035
Index date: 2 August 2014
مقایسه کارایی طبقه بندهای مختلف متن برای عقیده کاوی درنقدکالا abstract
دردنیای امروزبارشدتکنولوژی ارتباطات افرادبرای پاسخگویی به نیازهای خود شیوه های متقاوتی را یافته اندبه عنوان مثال برای انتخاب کالاها وخدمات موردنیازخود به اینترنتمراجعه می نمایند و ویژگیهای محصول ونقاط ضعف و قوت آن را توسط نوشتارها و نقدهای مرتبط مشخص نموده و کالای منطبق بانیاز خود رامی یابندازطرف دیگرشرکتها ومراکزخدماتی نیزمیتوانند بامراجعه به نقدهای نوشته شده توسط کاربران درتالارها گفتگو بلاگ هاووب سایت هاازعقیده مشتریان و عموم مردم درمورد کالاها و خدمات خود مطلع شوند باتوجه به آنچه گفته شد و نیز حجم زیاداطلاعات و نقدهایی ازاین دست ضرورت وجود سیستمی برای استخراج این اطلاعات ازوب احساس میشود چنین سیستمهایی سیستمهای عقیده کاوی و تحلیل احساسات نامیده میشود دراین مقاله یک سیستم عقیده کاوی برای طبقه بندی مجموعه ای ازنقدهای مشتریان درمورد 8دسته کالا طراحی شده است دراین رویکردپس ازاستخراج سه مجموعه ویژگی متفاوت ازمتن و کاهش اندازه این مجموعه ها ازطریق انتخاب ویژگیهای برتر فرایند اموزش طبقه بندها بااستفادها زاین مجموعه ویژگیها صورت می پذیرد کارایی رویکردپیشنهادی با مقایسه ای بین طبقه بندهای مختلف و نقاط ضعف و قوت آنها نشان داده شده است
مقایسه کارایی طبقه بندهای مختلف متن برای عقیده کاوی درنقدکالا Keywords:
مقایسه کارایی طبقه بندهای مختلف متن برای عقیده کاوی درنقدکالا authors
سمیه برهانی زرندی
دانشجوی کارشناسی ارشدهوش مصنوعی دانشگاه شهید باهنر کرمان
علی اکبر نیک نفس
استادیارعضو هیئت علمی بخش مهندسی کامپیوتردانشگاه شهید باهنر کرمان
مجید محمدی
استادیارعضو هیئت علمی بخش مهندسی کامپیوتردانشگاه شهید باهنر کرمان
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 :