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

اندازه گیری اثر شبکه های انبوه برتقسیم بندی نظرات از طریق توییتر

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۲۲ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: ICMI01_275
زبان مقاله: فارسی
حجم فایل: ۸۶۴.۲۵ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۶ 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 ۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله اندازه گیری اثر شبکه های انبوه برتقسیم بندی نظرات از طریق توییتر

  مهشید ذاکر - دانشجوی کارشناسی ارشد رشته مهندسی صنایع ، دانشکده فنی و مهندسی دانشگاه الزهرا
  رضا سمیع زاده - استادیار ، دکتری رشته مهندسی صنایع دانشکده فنی و مهندسی دانشگاه الزهرا

چکیده مقاله:

برای پاسخ به پرسش تحقیق ما یک چهارچوب برای اندازه گیری مقدار احتمال تاثیر رسانه های جمعی روی نظرات تک بعدی در طول دوره انتخابات پیشنهاد دادیم. برای شناسایی نظرات تک بعدی ما یک مدل احتمالی پیشنهاد کردیم که اغلب نظرات متاثر از منابع متفاوتی می آیند . (دوستان، خانواده، همکاران و ...) منابع تاثیرات عوامل نهفته هستند و متغیرهای قابل مشاهده از احساسات در توییت ها گرفته می شوند. ما از الگوریتم EM برای نسبت دادن هر توییت که نشان دهنده یک نظر است به یک شاخه که شامل نظرات دیگری است که مشابه هستند از منابع یک سانمعروفی تاثیر پذیرفته اند. خروجی الگوریتم EM پارامترهای خوشه ها است که میانگین و انحراف معیار هستند. با استفاده از هر دو پارامتری رنج ماکزیمم و می نیمم احساس که از هر خوشه با توجه به هر موضوع مختلف می رسد را محاسبه کردیم . این هدف منجر می شود که احساس توییت ها را نمایش دهیم در فرم یک ماتریس احساس که ورودی الگوریتم EM است. ردیف ماتریساحساس توییت ها و ستون آن موضوعات هستند.احساس منسوب به طور کلی بستگی دارد به منحنی که در توییت ها در برابر موضوعات مختلف استفاده می شود.

کلیدواژه‌ها:

تقسیم بندی نظرات ، شبکه های اجتماعی ، امید ریاضی ماکزیمم سازی ، آنالیز احساس

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-ICMI01-ICMI01_275.html
کد COI مقاله: ICMI01_275

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:
ذاکر, مهشید و رضا سمیع زاده، ۱۳۹۳، اندازه گیری اثر شبکه های انبوه برتقسیم بندی نظرات از طریق توییتر، کنفرانس بین المللی مدیریت و مهندسی صنایع، موسسه مدیران ایده پرداز پایتخت ویرا، https://www.civilica.com/Paper-ICMI01-ICMI01_275.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: (ذاکر, مهشید و رضا سمیع زاده، ۱۳۹۳)
برای بار دوم به بعد: (ذاکر و سمیع زاده، ۱۳۹۳)
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 :

  • _ lair- Goldensohn S, Hannan K, McDonald R, Neylon T, ...
  • WWW Workshop on NLP in the Information Explosion Era; 2008. ...
  • D'Alessio D, Allen M. Selective Exposure and Dissonance after Decisions. ...
  • DeMarzo P, Vayanos D, Zwiebel J. Persuasion bias, social influence, ...
  • Myers S, Zhu C, Leskovec J. Information diffusion and external ...
  • conference on Knowledge discovery and data mining. ACM; 2012. ...
  • Hansen L, Arvidsson A, Nielsen F, Colleoni E, Etter M. ...
  • technology. Springer Berclin Heidelberg; 2011. p 34-43. ...
  • Berger J, Milkman K. What makes online content viral? Journal ...
  • Xindong W, Zhang C, Zhang S. Efficient mining of both ...
  • Do C, Batzoglou S. What is the expectation maximization algorithm? ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۳۲۵۵
    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 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.