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

متن کاوی شبکه های اجتماعی برای احساسات و تمایلات مصرف کننده برند

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۵۵۹ | نظرات: ۱
سال انتشار: ۱۳۹۴
کد COI مقاله: ICOAC01_094
زبان مقاله: فارسی
حجم فایل: ۵۳۴.۱۶ کیلوبایت (فایل این مقاله در ۱۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۴ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان 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 ۱۴ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله متن کاوی شبکه های اجتماعی برای احساسات و تمایلات مصرف کننده برند

  محمد کیانی نژاد - دانشجو کارشناسی ارشد مدیریت کارآفرینی گرایش توسعه، دانشگاه سیستان و بلوچستان،ایران
  طاهره هاشمی - کارشناس ارشد مهندسی کامپیوتر گرایش نرم افزار،دانشگاه جاوید،جیرفت،ایران
  محسن رشیدی - کارشناس ارشد مدیریت بازرگانی گرایش بازاریابی،دانشگاه آزاد اسلامی واحد بین الملل قشم،ایران

چکیده مقاله:

وبلاگ ها و شبکه های اجتماعی به تازگی به منبع ارزشمندی برای کاوش احساسات در زمینه هایی گوناگونی نظیر مدیریت ارتباط با مشتری، پیگیری افکار عمومی و فیلترینگ متن تبدیل شده اند. در حقیقت، معلوم شده است که دانش بدست امده از شبکههای اجتماعی نظیر توییتر و فیسبوک برای شرکت های تحقیقاتی بازاریابی، سازمان های افکار عمومی و دیگر واحدهای متن کاوی بسیار ارزشمند است. با وجود این، متن های وب بر اساس میزان نویز و اختلالی که ایجاد می کنند مشکلات قابل توجهی همدر سطوح لغوی و هم در سطوح نحوی را به نمایش می گذارند. در این تحقیق ، ما از یک نمونه تصادفی متشکل از 6153 توئیت برای ارزیابی احساس مشتریان نسبت به برندهای شناخته شدده ای چون DHL و KLM ،IBM ،T-Mobile ،Nokiaاستفاده کردیم. ما از یک واژه نامه ی تخصصی از پیش تعریف شده ای شامل 3066 صفت با جهت گیری شناخته شده به سمت پیشبردتجزیه و تحلیل استفاده کردیم. نتایجمان نشان دهنده ی احساس مثبت مشتری نسبت به چندین برند معروف بود. با استفاده از روش شناسی کیفی و کمی برای تجزیه و تحلیل توئیت های برندها، این بررسی بر وسعت و عمق بحث بر سر نگرش ها نسبت به برندهای بین المللی می افزاید

کلیدواژه‌ها:

شبکه های اجتماعی 5، تمایلات مصرف کننده

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-ICOAC01-ICOAC01_094.html
کد COI مقاله: ICOAC01_094

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:
کیانی نژاد, محمد؛ طاهره هاشمی و محسن رشیدی، ۱۳۹۴، متن کاوی شبکه های اجتماعی برای احساسات و تمایلات مصرف کننده برند، ششمین کنفرانس بین المللی اقتصاد، مدیریت و علوم مهندسی، بلژیک، مرکز بین المللی ارتباطات دانشگاهی، https://www.civilica.com/Paper-ICOAC01-ICOAC01_094.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: (کیانی نژاد, محمد؛ طاهره هاشمی و محسن رشیدی، ۱۳۹۴)
برای بار دوم به بعد: (کیانی نژاد؛ هاشمی و رشیدی، ۱۳۹۴)
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 :

  • Abbasi, H., Chen, H., & Salem, A. (2008). Sentiment analysis ...
  • Abrahams, A., Jiao, J., Wang, G., & Fan, W. (Forthcoming). ...
  • Agerri, R., & Garcia-Serrano, A. (2010). Q-WordNet: Extracting polarity from ...
  • Ahmed, K., & Almas, Y. (2005). Visualising sentiments in financial ...
  • Baccianella, S. Esuli, A., & Sebastiani, F. (2010). SentiWordNe 3.0: ...
  • Bai, X. (2011). Predicting consumeg sentiments from online text. Decision ...
  • Bakhtin, M. (1981). The dialogic imagination. Austin: University of Texas ...
  • B lair-Go ldensohn, S., Hannan, K., McDonald, R., Neylon, T., ...
  • Bliss, C., Klouman, I., Harris, K., Danforth, C., & Dodds, ...
  • Boiy, E., & Moens, M. (2009). A machine learning approach ...
  • Bollen, J., Mao, H., & Zeng, X. (2011). Twitter mood ...
  • Cai, K., Spangler, S., Chen, Y., & Zhang, L. (2010). ...
  • Chang, S., Chen, S., Chou, R., & Lin, Y. (2012). ...
  • Clark, J. (2008). Twitter topic stream _ ix _ ...
  • Das, S., & Chen, M. (2001). Yahoo! For Ammazon: Sentiment ...
  • Dave, K., Lawrence, S., & Pennock, D. (2003). Mining the ...
  • Denecke, K., & Nejdi, W. (2009). How valuable is medical ...
  • Derks, D., Fischer, A., & Bos, A. (2008). The role ...
  • Ding, X., iu, B., & Yu, P. (2008). A holistic ...
  • Efron, M. (2004). Cultural orientation: Classifying subjective documents by cocitation ...
  • Eirinaki, M., Pisal, S., & Singh, J. (2012). Feature-based opinion ...
  • Ekdale, B., Namkoong, K., & Perlmutter, D. (2010). Why blog? ...
  • Feldman, R., Fresko, M., Netzer, P., & Ungar, _ (2007). ...
  • Gil De Zuniga, H., Puig-I-Abril, E., & Rojas, H. (2009). ...
  • Golbeck, J., Grimes, J., & Rogers, A. (2010). Twitter use ...
  • Gu, B., Konana, P., Liu, A., Rajagopalan, B., & Ghosh, ...
  • bHoneycutt, C., & Herring, S. (2009). Beyond microblogging: Conversation and ...
  • Hu, M., & Liu, B. (2004). Mining and summarizing customer ...
  • Hu, N., Bose, I., Koh, N., & Liu, L. (2012). ...
  • Huang, J., Thornton, K., & Efthimiadis, E. (2010). Conversationl tagging ...
  • Turney, P. (2002). Thumbs _ or thumbs down? Semantic orientation ...
  • Turney, P., & Littman, M. (2003). Measuring praise and criticism: ...
  • Vishwanath, J., & Aishwarya, S. (2011). User suggestions extraction from ...
  • Wiebe, J., Wilson, T. T., Bruce, R., Bell, M., & ...
  • علم سنجی و رتبه بندی مقاله

    4.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 0
    4 1
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۸۳۳۹
    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.