عقیده کاوی در متون فارسی با استفاده از استخراج ویژگی توسط سیستم تطبیقی عصبی- فازی
Publish place: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 848
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC03_167
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
در سالهای اخیر برای جلب بیشتر رضایت مشتری، استفاده از عقاید در کسب و کارها و خدماتصنعتی مورد توجه قرار گرفتهاست. از این رو، جوامع تحقیقاتی، دانشگاه ها و صنایع مختلف به دنبالارایه ی راهکاری جدید در حوزه ی عقیده کاوی می باشند که بتواند با دقت بیشتری به تجزیه و تحلیلاحساسات و عقاید بپردازد. عقیده کاوی به دسته بندی متنها بر اساس تمایل مندرج در آنها می پردازدو به عنوان زیر رشته ای جدید از پردازش زبان طبیعی، بازیابی اطلاعات و متن کاوی محسوب می شود.عقیده کاوی در سه سطح قابل بررسی می باشد. عقیده کاوی در سطح سند، در سطح جمله و در سطحویژگی.در این پژوهش، به دلیل کاربردی بودن عقیده کاوی در سطح ویژگی، روشی برای این منظور ارایهشده است که مبتنی بر تکرار ویژگی ها در اظهار نظرات می باشد. برای ارزیابی روش پیشنهادی،مجموعه عقاید کاربران در حوزه کالاهای تجاری جمع آوری شده و نتایج حاصل از روش پیشنهادیدر این حوزه مورد ارزیابی قرار خواهند گرفت. هدف از این تحقیق، ارایه ی راهکاری نو در حوزه یعقیده کاوی می باشد که بتواند عقاید پنهان شده در متون فارسی را با دقت بالایی پیش بینی کند. سیستمپیشنهادی این تحقیق از روشی مبتنی بر سیستم تطبیقی عصبی- فازی بهره می گیرد که به دنبالکشف روابط پنهان شده بین ویژگی های مختلف پیام ها می باشد. بررسی سیستم در نرم افزار متلب پیادهسازی شد و با سایر راهکارهای ارایه شده در حوزه ی تحقیق، مقایسه شد به گونه ای که در مقایسه هایانجام شده سیستم پیشنهادی به دقت 90.54 درصد رسیده است و عملکرد آن به طور کلی مطلوبارزیابی شده است.
Keywords:
Authors
نرگس پورشکار
دانشگاه آزاد اسلامی، واحد میبد
محمدرضا ملاحسینی اردکانی
عضو هیات علمی دانشگاه آزاد اسلامی، واحد میبد
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 :