مروری بر آنالیز احساسی داده ها در شبکه های اجتماعی(توییتر)
Publish place: The Second National Conference on Applied Research in Computer Science and Information Technology
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,129
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CITCONF02_319
Index date: 8 May 2016
مروری بر آنالیز احساسی داده ها در شبکه های اجتماعی(توییتر) abstract
در سال های اخیر شبکه های اجتماعی و مخصوصاً میکروبلاگ ها توجه بسیاری از مردم را به خود جلب کرده است. جایی که میلیون ها کاربر قادرند افکار و نظرات خود را درباره موضوعات از جنبه های مختلف از طریق آنها به اشتراک گذارند. در این میان تویتر با نزدیک به 600 میلیون کاربر و بالغ بر 250 میلیون پیغام در روز به عنوان یکی از محبوب ترین و مهم ترین شبکه های اجتماعی می باشد. در نتیجه توییتر با عنوان منبع ارزشمندی از اطلاعات برای اخذ تصمیمات و آنالیز احساسی کاربران به شمار می رود. آنالیز احساسی، به مسئله طبقه بندی اطلاعات در آن جا که تمرکز اصلی روی پیش بینی قطبیت کلمات و سپس دسته بندی آنها به سه دسته کلاس مثبت، منفی و خنثی که در هر مدل و زبانی مطرح می شود اشاره دارد. آن نیز احساسی بر روی داده های توییتر اکراه سریع و مؤثر برای کاوش احساسات مردم از رضایت آنها درباره که برندی خاص، کسب و کار مدیران و... را به سازمان ها پیشنهاد می دهد. محدوده گسترده از ویژگی ها و متدها برای آموزش دسته بندی و طبقه بندی نظرات برای من وعده داد که توییتر با نتایج گوناگون مورد تحقیق و بررسی قرار گرفته است. در این مقاله به مطالعه مروری بر روی تکنیک های ارائه شده موجود در مقالات ارائه شده می پردازیم.
مروری بر آنالیز احساسی داده ها در شبکه های اجتماعی(توییتر) Keywords:
مروری بر آنالیز احساسی داده ها در شبکه های اجتماعی(توییتر) authors
فاطمه فروزش
دانشجوی کارشناسی ارشد مهندسی کامپیوتر(نرم افزار)،دانشگاه پیام نور،تهران
احمد فراهی
استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات،دانشگاه پیام نور،تهران
سولماز محمودیان
دانشجوی کارشناسی ارشد مهندسی کامپیوتر(نرم افزار)،دانشگاه پیام نور،تهران
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 :