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

Sentiment-Based DUser Interests etection By Analyzing User Profile Data

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۱۱۲ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: COMCONF03_012
زبان مقاله: انگلیسی
حجم فایل: ۵۸۵.۲ کیلوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۱ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Sentiment-Based DUser Interests etection By Analyzing User Profile Data

  Reza Tanzifi1 - M.S in Mazandaran University of Science and Technology
    Iraj Mahdavi - Prof in Mazandaran University of Science and Technology
Zeinab Noorian - Phd in University of New Brunswick, Canada

چکیده مقاله:

With the advent of world wide web (WWW), huge shift in the way people communicate has occurred. Today, social medias has become a major communication channel for communication between the individuals and groups. With the massive growth of data and users of these medias, by analyzing them, new horizon for knowledge discovery and users behavior pattern has opened. One of the challenge is to inferring user interests from microblogging services like twitter. Because user shared data are in textual context, extracting user requirements and interest are complex. In this paper we introduce a state-of-art Social Medias User interests extraction system that use user s profile information (tweets) to extract his/her interests by enriching them from wikipedia articles. By analyzing and modeling this information in semantic way and scoring user interests with sentiment analysis teqniques, we can present user interests profile which can be use further in recommender systems. Results show that our system performed better than the traditional systems.

کلیدواژه‌ها:

User Interest, Social Media, Twitter, Sentiment Analysis

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-COMCONF03-COMCONF03_012.html
کد COI مقاله: COMCONF03_012

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:
Tanzifi1, Reza; Iraj Mahdavi & Zeinab Noorian, ۱۳۹۵, Sentiment-Based DUser Interests etection By Analyzing User Profile Data, سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر, تهران, موسسه آموزش عالی نیکان, https://www.civilica.com/Paper-COMCONF03-COMCONF03_012.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: (Tanzifi1, Reza; Iraj Mahdavi & Zeinab Noorian, ۱۳۹۵)
برای بار دوم به بعد: (Tanzifi1; Mahdavi & Noorian, 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 :

  • . RICCI, F., ROKACH, L. & SHAPIRA, B. 2011. Introduction ...
  • . KOULOUMP S, E., WILSON, T. & MOORE, J. D. ...
  • . PAK, A. & PAROUBEK, P. Twitter as a Corpus ...
  • . C ELIKYILMA, A., HAKKANI _ D. & FENG, J. ...
  • . SAIF, H., HE, Y. & ALANI, H. 2012. Semantic ...
  • . Go, A., R. Bhayani, and L. Huang. 2009. Twitter ...
  • . MICHELSON, M. & MAC SKASSY, S. A. Discovering users' ...
  • . Shawn O'Banion _ Larry Birnbaum , Kristian Hammond, Social ...
  • . JANNACH, D., ZANKER, M., FELFERNIG, A. & FRIEDRICH, G. ...
  • . ABEL, F., GAO, Q., HOUBEN, G.-J. & TAO, K. ...
  • . FERRAGINA, P. & SCAIELLA, U. Tagme: on-the-fly annotation of ...
  • . Lei Li, Li Zheng, Fan Yang, Tao Li, Modeling ...
  • . Maria Han Veiga and Carsten Eickhoff. A cross-platform collection ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۱۰۷۶
    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.