CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۶۱۸ | نظرات: ۱
سال انتشار: ۱۳۹۵
کد COI مقاله: CITCOMP01_011
زبان مقاله: فارسی
حجم فایل: ۲۴۱.۱۵ کلیوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین

  افسانه بنی طالبی - مربی ، گروه کامپیوتر و فناوری اطلاعات ، دانشگاه پیام نور ،صندوق پستی 3697-19395 تهران ، ایران
  فرساد زمانی - دانشگاه آزاد اسلامی واحد خوراسگان(اصفهان)، گروه کامپیوتر،اصفهان، ایران

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.

کلیدواژه‌ها:

نظرکاوی ، شبکه های اجتماعی ، الگوریتم نایو بایس ، tf-idf ، روش کیف لغات

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CITCOMP01-CITCOMP01_011.html
کد COI مقاله: CITCOMP01_011

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بنی طالبی, افسانه و فرساد زمانی، ۱۳۹۵، نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین، کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات، تهران، دبیرخانه دایمی کنفرانس، https://www.civilica.com/Paper-CITCOMP01-CITCOMP01_011.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (بنی طالبی, افسانه و فرساد زمانی، ۱۳۹۵)
برای بار دوم به بعد: (بنی طالبی و زمانی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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]. ...
  • نظر پژوهشگران در مورد مقاله نظرکاوی شبکه های اجتماعی با استفاده از الگوریتم های یادگیری ماشین

    مرتضی سالاری (۱۳۹۵/۶/۱۹):

    این مقاله نمونه خارجی زیادی داره ودر مقایسه با مقالات خارجی قدرت و کیفیت بالایی نداره

    علم سنجی و رتبه بندی مقاله

    3.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 0
    3 1
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۴۲۷۶۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.