ارائه روشی کارا برای تجزیه و تحلیل احساسات توییت براساس ترکیب روش های یادگیری ماشین و شباهت معنایی

شکیباسادات حاج سیدجوادی; مهرداد جلالی

ارائه روشی کارا برای تجزیه و تحلیل احساسات توییت براساس ترکیب روش های یادگیری ماشین و شباهت معنایی

Publish place: 2nd ICTCK2015 International Congress on Technology, Communication and Knowledge

Publish Year: 1394

Type: Conference paper

Language: Persian

This Paper With 6 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/517559

Document National Code:

ICTCK02_112

Index date: 29 October 2016

ارائه روشی کارا برای تجزیه و تحلیل احساسات توییت براساس ترکیب روش های یادگیری ماشین و شباهت معنایی abstract

با ظهور شبکه های اجتماعی حجم اطلاعات تولید شده رشدی صعودی داشته است. توییتر از جمله شبکه های اجتماعیاست که کاربران آن پیام هایی با طول کمتر از 140 کاراکتر (توییت) ارسال می کنند. تشخیص احساسات کاربران درزمان حال بیشترین کاربرد را در سایت های عرضه انواع کالا (مجازی یا حقیقی) دارد. با این حال مشکل عمده طبقهبندی توییت ها، ابعاد بالای فضای ویژگی است. در حال حاضر روش های بسیاری برای مقابله با انتخاب ویژگی هایتوییت وجود دارد. به منظور بهبود عملکرد طبقه بندی توییت ها، ما یکی دیگر از روش انتخاب ویژگی را ارئه می کنیم.مطالعه ما بر اساس الگوریتم ژنتیک است، ما یک الگوریتم ژنتیک جدید به منظور کاهش ابعاد بالا فضای ویژگی طراحیمیکنیم. پارامترهای الگوریتم ژنتیک جدید بر اساس میزان برازندگی و شباهت ویژگی ها تعیین می شود. نتایج حاصلاز آزمایش ها نشان می دهد که روش پیشنهادی میزان دقت و صحت را در انتخاب مجموعه ویژگی و پیش بینیاحساسات توییت بهبود بخشیده است.

ارائه روشی کارا برای تجزیه و تحلیل احساسات توییت براساس ترکیب روش های یادگیری ماشین و شباهت معنایی Keywords:

طبقه بندی احساسات , انتخاب ویژگی , تجزیه و تحلیل احساسات توییت

ارائه روشی کارا برای تجزیه و تحلیل احساسات توییت براساس ترکیب روش های یادگیری ماشین و شباهت معنایی authors

شکیباسادات حاج سیدجوادی

کارشناسی ارشد گروه کامپیوتر نرم افزار، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

مهرداد جلالی

استادیار گروه کامپیوتر نرمافزار، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :

Z. Miller, B. Dickinson, W. Deitrick, W. Hu, and A. ...

http:/nlp. stanford. edu/s entiment/indes .html. ...

B. Le and H. Nguyen, "Twitter Sentiment Learning ...

Techniques, " in Advnced Computational Methods for Knowledge Engineering, ed: ...

N. F. da Silva, E. R. Hruschka, and E. R. ...

R. Pandarachalil, S. Sendhilkumar, and G. Mahalakshmi, "Twitter Sentiment Analysis ...

G. Wang, Y.-n. Liu, X.-d. Zhu, H.-l. Chen, and Z. ...

R. Anirudha, R. Kannan, and N. Patil, "Genetic algorithm based ...

N. Allias, M. N. M. M. Noor, M. N. Ismail, ...

Simulation (AIMS), 2013 1st International Conference on, 2013, pp. 107-110. ...

M. S. Mohamad, S. Deris, S. Yatim, and M. Othman, ...

Comm unication Technology, 2004, pp. 13-16. M. Affenzeller, S. Wagner, ...

mining: concepts and techniques: concepts and techniques: Elsevier, 2011. [12] ...

Abimbola, "Hybrid GA-SVM for efficient feature selection in e-mail classification, ...

نمایش کامل مراجع