دسته بندی روش های تحلیل احساسات و کاوش نظرات با تمرکز بر وظایف، رویکردها، کاربردها و سطوح تحلیل
Publish place: کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,455
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
- هوش مصنوعی > یادگیری ماشین
- هوش مصنوعی > پردازش زبان طبیعی
- هوش مصنوعی > تحلیل احساس
- هوش مصنوعی > متن کاوی
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_233
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
امروزه با گسترش انفجاری اطلاعاتی همچون نظرات، بررسی ها، بحث ها و تبادل تجربیات در محیط های مجازی و رسانه های اجتماعی تحت وب، افراد و سازمان ها به طور رو به رشدی به مطالعه نظرات و اطلاعات عمومی روی آورده اند تا با تحلیل این نوع داده ها، تصمیم گیری های بهتری داشته باشند. تحلیل احساسات یا کاوش نظرات دانشی است که افراد و سازمان ها را قادر می سازد تا به این هدف نائل شوند. چرا که تحلیل احساسات، فرآیند کشف خودکار عقاید و نظرات نویسندگان در مورد یک موجودیت است. از طرفی تنوع و گستردگی داده ها از لحاظ نوع محتوا سبب ایجاد پیچیدگی های فراوان در مسائل این حوزه می گردد. یک دسته بندی مناسب از مسائل این حوزه نه تنها می تواند به محققان در انتخاب رویکرد مناسب برای حل این مسائل پیچیده کمک نماید، بلکه به شناسایی حوزه هایی منجر می شود که تحقیقات کم تری در آن ها صورت گرفته و نیاز به مطالعه و بررسی بیشتر دارند. در این مقاله روش های تحلیل احساسات و کاوش نظرات در قالب دسته بندی های مختلف مورد بررسی قرار می گیرد. در نهایت دو دسته بندی جامع مطرح می شود که دسته بندی اول بر اساس وظایف و رویکردها و دسته بندی دوم بر اساس سطوح تحلیل است. هر یک از این دسته بندی ها نیز به صورت مجزا شرح داده شده و اجزای مختلف آن ها مورد بررسی قرار می گیرد. در نهایت حوزه هایی از هر دسته بندی معرفی می شود که تحقیقات کم تری در مورد آن ها صورت گرفته و نیاز به مطالعه و بررسی بیشتر دارند.
Keywords:
Authors
فرید قنبری
دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه اراک، اراک، ایران
محسن رحمانی
استادیار، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه اراک، اراک، 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 :