شناسایی میزان رضایت مشتریان در شبکه اجتماعی اینستاگرام با استفاده از تحلیل احساسات

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,583

This Paper With 13 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:

NPECE01_452

تاریخ نمایه سازی: 6 بهمن 1395

Abstract:

با گسترش شگرف اینترنت شبکه های اجتماعی و استفاده روز افزون از آن با حجم انبوهی از نظرات کاربران در ارتباط با موضوعات مختلف روبرو هستیم که مطالعه و تحلیل نظرات در حجم انبوه با مشکلات زیادی مواجه است و کاربرد تکنیک های علمی ضرورتی اجتناب ناپذیر می باشد بسیاری از افراد برای انتخاب خدمات و کالاهای مورد نیاز خود به شبکه های اجتماعی مراجعه می کنند و ویژگی های خدمات و نقاط ضعف و قوت آن را توسط نوشتارها و نقدهای مرتبط مشخص نموده و خدمات یا کالای منطبق با نیاز خود را می یابند از طرف دیگر شرکت ها و مراکز خدماتی نیز می توانند با مراجعه به نقدهای نوشته شده توسط کاربران در شبکه های اجتماعی از مزایا و معایب کالا یا خدمات خود مطلع شده و در جهت بهبود قوت و رفع نقاط ضعف کالا و خدمات خود گام بردارند با توجه به وجود حجم زیاد اطلاعات و نقدهایی از این دست در شبکه های اجتماعی ضرورت وجود سیستمی برای استخراج این اطلاعات احساس می شود این سیستم ها سیستم های تحلیل احساسات نامیده می شوند معمولا تحلیل احساسات را بر یک موجودیت بررسی می کنند که در این پژوهش بر محصولات یک شرکت ارائه دهنده خدمات موبایل تحلیل احساسات انجام می شود در این مقاله پژوهش های انجام شده برای تحلیل احساسات را بررسی کرده و با استفاده از روش های مبتنی بر واژگان و یادگیری ماشین میزان رضایت و یا عدم رضایت مشتریان از یک شرکت ارائه خدمات و محصولات در شبکه های اجتماعی اینستاگرام بررسی می شوند

Authors

محمد عبدوس

کارشناسی ارشد هوش مصنوعی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

احمد اکبری

کارشناسی ارشد هوش مصنوعی آزمایشگاه پردازش و تحلیل متن شرکت آرمان رایان شریف

بهروز مینایی بیدگلی

عضو هیات علمی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت 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 :
  • Liu, Bing. :Sentiment analysis and opinion _ Synthesis Lectures on ...
  • OConnor, Brendan, et al. "From Twees to Polls: Linking Text ...
  • _ _ _ _ _ eedings of advertising. ACM, 2007. ...
  • Yano, Tae, and Noah A. Smith. _ Worthy of Comment? ...
  • Feldman, Ronen, et al. "The stock sonar-s entiment analysis of ...
  • Bar-Haim, Roy, et al. "Identifying and following expert investors in ...
  • Moreo, Alejandro, et al. _ 'Lexicon-based comm ents-oriented news sentiment ...
  • Wanner, Franz, et al. _ sentiment analysis of rss news ...
  • Balahur, Alexandra, et al. "Sentiment analysis in the news." arXiv ...
  • Medhat, Walaa, Ahmed Hassan, and Hoda Korashy. :Sentiment analysis algorithms ...
  • Pang, Bo, Lillian Lee, and Shivakumar Vaithyanathan. "Thumbs up?: sentiment ...
  • Kang, Hanhoon, Seong Joon Yoo, and Dongil Han. "Senti-lexicoh and ...
  • He, Yulan, and Deyu Zhou. "Self-training from labeled features for ...
  • Qiu, Guang, et al. 0"DASA di _ sati S facti ...
  • Balahur, Alexandra, et al. "Opinion mining on newspape quotations." Web ...
  • Intelligence and Intelligent Agent Technologies, 2009. WI-IAT09. IEE E/WIC/ACM International ...
  • Prabowo, Rudy, and Mike Thelwal "Sentiment analysis: A combined approach." ...
  • Moraes, R., Valiati, J.F. & Neto, W.P.G. (2013). D ocument-level ...
  • Mahmood Bijankhan, Javad Sheykhz adegan, Mohammad Bahrani, & Masood Ghayoomi. ...
  • نمایش کامل مراجع