CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی رویدادها در توییتر با تحلیل احساسات مبتنی بر ماشین یادگیری شدید

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۱۱ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CONFITC04_156
زبان مقاله: فارسی
حجم فایل: ۲۷۰.۴۳ کیلوبایت (فایل این مقاله در ۸ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی رویدادها در توییتر با تحلیل احساسات مبتنی بر ماشین یادگیری شدید

  سینا دامی - استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
  سمانه احمدی - دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

چکیده مقاله:

تحلیل احساسات و عقیده کاوی به فرآیند شناسایی و طبقهبندی کردن نظرات بیان شده در یک متن اطلاقمی شود تا بتوان تعیین کرد که آیا نگرش نویسنده نسبت به یک موضوع خاص یا محصول مثبت، منفی یا خنثیاست. این موضوع یکی از فعالترین زمینه های پژوهشی در پردازش زبان طبیعی و متن کاوی در سالهای اخیربوده است. در این مقاله برای تحلیل احساسات از ماشین یادگیری شدید (ELM) بهره گرفته شد. همچنین، از روابط علی بین رویدادها برای پیش بینی آنها مورد استفاده قرار گرفت. این روابط برای شناسایی قواعد علیرویدادها و همچنین برای پیش بینی آنها مفید است. این دو مفهوم هنگامی در ترکیب نتایج یک الگو پیش بینیرویداد بهتر است که میتواند دوره زمانی بین رویدادها و نظرات رویدادهای آینده را پیش بینی کند. عملکردروش پیشنهادی با استفاده از معیارهای دقت و بازخوانی ارزیابی شد. نتایج ارزیابی بهبود عملکرد روش پیشنهادیرا نسبت به روش پایه به همراه داشت.

کلیدواژه‌ها:

تحلیل متن، تحلیل احساسات، عقیده کاوی، روابط علی، پیش بینی رویداد

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-CONFITC04-CONFITC04_156.html
کد COI مقاله: CONFITC04_156

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:
دامی, سینا و سمانه احمدی، ۱۳۹۶، پیش بینی رویدادها در توییتر با تحلیل احساسات مبتنی بر ماشین یادگیری شدید، چهارمین کنفرانس بین المللی مطالعات نوین در علوم کامپیوتر و فناوری اطلاعات، مشهد، دانشگاه صنعتی سجاد، https://www.civilica.com/Paper-CONFITC04-CONFITC04_156.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: (دامی, سینا و سمانه احمدی، ۱۳۹۶)
برای بار دوم به بعد: (دامی و احمدی، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۲۳۰۰
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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • هوش مصنوعی > تحلیل احساس
  • 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.