CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

آگاهی از رفتار و احساس مشتریان برای تصمیم گیری و مدیریت سازمان، با رویکرد نرمال در آنالیز احساس و استفاده از معنا شناسی متنی (متن کاوی) در شبکه های اجتماعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۷ | تعداد نمایش خلاصه: ۳۴۸ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: IIEC12_002
زبان مقاله: فارسی
حجم فایل: ۵۶۸.۰۶ کیلوبایت (فایل این مقاله در ۱۷ 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 ۱۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله آگاهی از رفتار و احساس مشتریان برای تصمیم گیری و مدیریت سازمان، با رویکرد نرمال در آنالیز احساس و استفاده از معنا شناسی متنی (متن کاوی) در شبکه های اجتماعی

    رضا سمیع زاده - عضو هیئت علمی و استاد یار دانشکده فنی مهندسی دانشگاه الزهرا (س)، تهران
    رضا سمیع زاده - دانشجوی دانشکده فنی مهندسی دانشگاه الزهرا(س)، تهران

چکیده مقاله:

امروزه میکروبلاگ ها و شبکه های اجتماعی، به صورت گسترده و به عنوان منبعی غنی از اطلاعات و داده ها در شاخه های مختلفی استفاده میشوند. یکی ازمهمترین مواارد استفاده از آنها، آگاهی یافتن از احساس و نظرات مشتریان در خصوص برندی خاص در سازمان ها است. مطالعات بسیاری در خصوص شناسایی احساس نهفته در متن صورت گرفته است. اما اکثر آن ها احساس یک کلمه را ایستا و غیر قابل تغییر در نظر میگیرند. در این بررسی، ما از توییتر به عنوان یک شبکه اجتماعی فراگیر و غنی از اطلاعات کمک گرفته، تا روش احساس نرمال را برای شناسایی احساس پویا و متنی-پیوندی نهفته در متنی خاص پیاده سازی کنیم. برای این منظور، 4000 توییت را به طور کاملا تصادفی نمونه گیری کردیم تا به جهت گیری احساسات عمومی، پیرامون دو برند سرشناسدر صنعت موبایل ، آیفون و گلکسی، دست یابیم. نتایج ما نشان میدهد که مشتریان احساس و نظرات بسیار متنوعی در خصوص آیفون داشته ، اما به هر حال حد بالای احساس عمومی، بالاتر و مثبت تر از بازه احساسی است که گلکسی را در بر میگیرد. با استفاده از مجموعه داده اشاره شده، میتوانیم دقت روش در حدود 91,1 ٪ به دست آوریم که این میزان بالای دقت، نشان دهنده پیشی گرفتن دقت F-measure پیشنهادیمان ،احساس نرمال، را با استفاده از مقیاس از خط مبنا و سایر روش ها و مطالعاتی است که در این زمینه صورت گرفته است.

کلیدواژه‌ها:

آنالیز احساس ; تصمیم گیری و مدیریت سازمانی ; توزیع نرمال ; توییتر

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-IIEC12-IIEC12_002.html
کد COI مقاله: IIEC12_002

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:
سمیع زاده, رضا و رضا سمیع زاده، ۱۳۹۴، آگاهی از رفتار و احساس مشتریان برای تصمیم گیری و مدیریت سازمان، با رویکرد نرمال در آنالیز احساس و استفاده از معنا شناسی متنی (متن کاوی) در شبکه های اجتماعی، دوازدهمین کنفرانس بین المللی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه خوارزمی، https://www.civilica.com/Paper-IIEC12-IIEC12_002.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: (سمیع زاده, رضا و رضا سمیع زاده، ۱۳۹۴)
برای بار دوم به بعد: (سمیع زاده و سمیع زاده، 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 :

  • Khairullah Khan, B. B. (2014). Mining opinion components, from unstructured ...
  • Montoyo, M.-B. B. (2012). Subjectivity and sentiment analysis: An overview ...
  • Mostafa, M. M. (2013). More than words: Social networks; text ...
  • Yi, J. N. (2003). Sentiment analyzer: Extracting sentiments about a ...
  • Na, J. T. (2010). Comparing sentiment expression in movie reviews ...
  • Tumasjan, A. S. (2011). Election forecasts with Twitter: How 140 ...
  • Bollen, J. M. (2011). Twitter mood predicts the stock marke. ...
  • Arman Khadjeh Nassirtoussi, S. A. (2014). Text mining for market ...
  • Medhat Walaa, A. H. (2014). Sentiment analysis algorithms and applications: ...
  • Diana Maynard, Adam Funk. 2011 .Automatic detection of political opinions ...
  • Chetashri Bhadanea, H. D. (2015). Sentiment analysis: Measuring opinions. International ...
  • in Natural Language Processing, (pp. 79-86). ...
  • Alm, C. R. (2005). Emotions from text: machine learning for ...
  • Diman Ghazi, D. I. (2014). Prior and contextual emotion of ...
  • Turney, P. &. (2003). Measuring praise and criticismr Inference of ...
  • Lund K, B. C. (1996). Producing high-dimen sional semantic spaces ...
  • E. Cambria, C. H. (2012). Senticnet 2: a semantic and ...
  • Thelwall, M. B (2012). Sentiment strength detection for the social ...
  • Hassan Saif, Y. H. (2015). Contextual semantics for sentiment analysis ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۰۰۶
    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 > متن کاوی
  • 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.