نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,887

فایل این مقاله در 7 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCOMP01_011

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

این مقاله به دنبال نظرکاوی برروی مجموعه داده های شبکه های اجتماعی با استفاده از الگوریتم ماشین یادگیری نایو بایس است. نظرکاوی به عنوان زیر مجموعه متن کاوی به دنبال تحلیل نظرات و طبقه بندی آن به دو گروه مثبت و منفی و در برخی مواقع خنثی است برای این کار یکی از رویکردها، استفاده از الگوریتم های ماشین یادگیری برای ایجاد مدل است. برای ایجاد مدل توسط این الگوریتم ها ابتدا با استفاده از مجموعه داده برچسب گذاری شده، الگوریتم آموزش داده می شود و سپس بر اساس این مدل آموزش داده شده، مدل طبقه بندی ارائه می شود. دقت مدل طبقه بندی نیز بر اساس مجموعه داده تست ارزیابی می شود..برای آموزش مدل با استفاده از الگوریتم نایوبایس ، از مجموعه داده نظرات فیلم استفاده شده است ، دو تکنیک مهندسی ویژگی کیف لغات و tf-idf دراین مقاله استفاده شده و نتایج آنها بایکدیگر درنهایت مقایسه می شوند. در این پژوهش مدل ایجاد شده توسط جملاتی از شبکه اجتماعی توییتر تست شده است. نتایج بدست آمده نشاندهده موفقیت روش tf-idf نسبت به روش کیف لغات می باشد.

نویسندگان

افسانه بنی طالبی

مربی ، گروه کامپیوتر و فناوری اطلاعات ، دانشگاه پیام نور ،صندوق پستی ۳۶۹۷-۱۹۳۹۵ تهران ، ایران

فرساد زمانی

دانشگاه آزاد اسلامی واحد خوراسگان(اصفهان)، گروه کامپیوتر،اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Using the twitter search API, August 2013. ...
  • Apoorv Agarwal, Boyi Xie, Ilia Vovsha, Owen Rambow, and Rebecca ...
  • Lillian Lee Bo Pang and Shivakumar Vaithyanathan _ Thumbs up?: ...
  • CNN Doug Gross. Survey: More americans get news from internet ...
  • Alec Go, Richa Bhayani, and Lei Huang. Twitter sentiment classification ...
  • Minqing Hu and Bing Liu. Mining and summarizing customer reviews. ...
  • Lev _ ewagemedia _ Social media comparison infographic, 20 13. ...
  • Bing Liu. Sentiment analysis and subjectivity. Handbook ofnatural language processing, ...
  • Laurent Luce Twitter sentiment analysis using python and nltk, 2014. ...
  • Christopher D Manning and Hinrich Sch:utze. Foundations of0statistical natural language ...
  • Bo Pang and Lillian Lee. Opinion mining and sentiment analysis. ...
  • Niek Sander. Twitter sentiment corpus, 2014. [Online; accessed 9-July-2014]. ...
  • نمایش کامل مراجع