ارائه روشی مبتنی بر پیش پردازش برای بهبود عقیده کاوی در توییتر فارسی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,682

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICEECS01_084

تاریخ نمایه سازی: 8 آذر 1394

Abstract:

عقیده کاوی و تجزیه و تحلیل احساسات کمک می کند تا شرکت ها و ارائه دهندگان خدمات عقاید و احساسات مشتریان و کاربران خود را بدانند و براساس نیازهای مشتریان و کاربران محصولات و خدمات خود را ارائه دهند. عقیده کاوی یکی از برترین علایق دانشمندانی مانند روانشناسان اجتماعی را تشکیل می دهد، طوری که در برخی منابع عقیده کاوی را باز شدن پنجره ای به روی تفکر روانی و واکنش آنلاین جوامع می دانند. این مسئله به مطالعه و درک اذهان عمومی در جوامع در زمان های خاص کمک می کند. هدف از این مقاله پیدا کردن روشی است که به صورت خودکار بتواند عقیده موجود در توییت های ارسال شده ی فارسی را تعیین کند. هدف روش پیشنهادی توسعه طبقه بندی مبتنی بر روش های پیش پردازش و تکنیک های هوش مصنوعی که شامل ترکیب الگوریتم ژنتیک و استنتاج فازی است که با استفاده از آن بتوان به صورت خودکار نظرات بیان شده در قالب توییت را در دسته های مثبت، منفی طبقه بندی کرد. استفاده از این روش خودکار می تواند بلافاصله پس از پست توییت جدید اعلام کند که محتوای آن حاوی چه عقیده و احساسی می باشد. نتایج پیاده سازی سیستم پیشنهادی نشان دهنده ی کارایی و برتری قابل توجه سیستم نسبت به کارهای مشابه می باشد .

Authors

زهرا احمدی مشکانی

کارشناس ارشد هوش مصنوعی دانشگاه شیخ بهایی

مهدی باطنی

استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه شیخ بهایی

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 :
  • Sanjiv Das and Mike Chen. Yahoo! for Amazon: Extracting market ...
  • Kenji Tateishi, Yoshihide Ishiguro, and Toshikazu Fukushima. Opinion information retrieval ...
  • Go, Alec, Lei Huang, and RichaBhayani. "Twitter sentiment analysis." Entropy17 ...
  • Richard M. Tong. An operational system for detecting and tracking ...
  • Pang, Bo, and Lillian Lee. "Opinion mining and sentimet analysis." ...
  • B. Pang, L. Lee, S. Vaithyanathan. Thumbs up? Sentiment Classification ...
  • P. Turney. "Thumbs Up Or Thumbs Down? Semantic Orientation Applied ...
  • B. Pang and L. Lee. "A Sentimental Education: Sentiment Analysis ...
  • Go, Alec, RichaBhayani, and Lei Huang. "Twitter sentiment classification using ...
  • J. Read. Using Emotions to Reduce Dependency in Machine Learning ...
  • _ 1.Kouloumpis, Efthymios, Theresa Wilson, and Johanna Moore. "Twitter sentiment ...
  • Brody, Samuel, and Nicholas Diakopoulos. _ _ C o o ...
  • Saif, Hassan, Yulan He, and HarithAlani. "Semantic sentiment analysis of ...
  • Saif, Hassan, Yulan He, and HarithAlani. "Alleviating data sparsity for ...
  • _ 5 .Dehkharghani, Rahim, et al. "Sentimental causal rule discovery ...
  • Hagen, Matthias, et al. "Twitter sentiment detection via ensemble classification ...
  • Saif, Hassan, et al. "Senticircles for contextual and conceptual semantic ...
  • Speriosu, Michael, et al. "Twitter polarity classification with label propagation ...
  • نمایش کامل مراجع