بررسی مدل های نظرکاوی و تجزیه و تحلیل احساسات کاربران در محیط وب

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,409

فایل این مقاله در 6 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRANWEB02_043

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

بدست آوردن نظرات مردم و مشتریان خود یک تجارت عظیم برای بازاریابی، روابط اجتماعی و حتی رقابت های انتخاباتی می باشد. در گذشته این اطلاعات از طریق برگه های نظرسنجی و یا آزمایش بر روی یک گروه خاص بدست می آمد ولی امروزه با گسترش روزافزون رسانه های اجتماعی (مثل بلاگ ها،توییتر و فیسبوک) افراد و سازمان ها از محتوای این رسانه ها برای تصمیم گیری استفاده می کنند. این در حالی است که در دنیای واقعی شرکت ها و سازمان ها همواره به دنبال این هستند که نظرات مردم یا مشتریان را درباره ی محصولات و یا خدمات خود بدانند، از طرفی مشتریان نیز خواستار بهره مند شدن از نظرات سایر کاربران در رابطه با آن محصولات می باشند تا بتوانند بر اساس آن اقدام به خرید یا عدم خرید آن محصول کنند. در اینجاست که نیاز به یک سیستم جهت شناسایی و تجزیه و تحلیل احساسات در نظرات کاربران احساس می شود. در این مقاله مدل های مختلف تجزیه و تحلیل احساسات در سطح ویژگی مورد بررسی قرار گرفت و نقاط قوت و ضعف هر یک از مدل ها به طور کامل تشریح شد.

کلیدواژه ها:

نویسندگان

نجمه شاه طالبی

دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی واحد میبد

محمدجواد کارگر

عضو هیات علمی گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی واحد میبد

کمال میرزائی

عضو هیات علمی گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی واحد میبد

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 :
  • Liu B., Zhang L., A Survey of opinion mining and ...
  • Turney, P., :Thumbs Up _ Thumbs Down? Semantic Orientation Applied ...
  • Pang, B; Lee, L; Vaithyanathan, S., "Thumbs up?: Sentiment Classification ...
  • Pang B., Lee L, Opinion mining and sentiment analysis. J ...
  • Reyes A., Rosso P., "Making objective decisions from subjective data: ...
  • Thet T. T., Na J. C., Khoo C.S., "Aspect-based sentiment ...
  • Titov I., McDonald R., "A joint model of text and ...
  • Zhu J., Wang H., Zhu M., Tsou B.K., Ma M., ...
  • Brody S., Elhadad N. _ unsupervised aspect- sentiment model for ...
  • Hu M., Liu B., "Mining opinion features in customer reviews:, ...
  • Wei, C. P., Chen Y. M., Yang C.S., "Understanding what ...
  • Systems and E-Busines Management, Vol. 8, No. 2, pp. 149-167, ...
  • Qiu G., Liu B., Chen C, "Opinion word expansion and ...
  • Somprasertsri G., Lalitrojwong P., :Automatic product maximum entropy with lexical ...
  • Lin C., He Y., :Join sentiment/topic model for sentiment analysis", ...
  • Lin C., He Y., Everson R., Ruger S., "Weakly supervised ...
  • Jo Y., A. H., "Aspect and sentiment unification mode] for ...
  • Zhai Z., Liu B., Xu H., Jia P., :Constrained LDA ...
  • Zhao W., Jiang J., Yan H., Li X., "Jointly modeling ...
  • Association for Computational Linguistics, pp. 56-65, 2010. ...
  • Titov I., McDonald R., "Modeling online reviews with multigrain topic ...
  • Mei Q., Ling X., Wondra M., Su H., Zhai C., ...
  • Hu, M. ; Liu, B., "Mining and Summarizing Customer Reviews.:, ...
  • Guo H., Zhu H., Guo Z., Zhang X., Su Z., ...
  • Management (CIKM-2009), pp. 1087-1096, 2009. ...
  • Liu B., Hu M. and Cheng J., "Opinion Observer: Analyzing ...
  • Zhuang L, Jing F., Zhu X., "Movie review mining and ...
  • Knowledge Management (CIKM-2006), pp. 43-50, 2006. ...
  • Moghaddam S., Ester M., "Opinion digger: _ unsupervised opinion miner ...
  • note _ topical n-grams", A:ه [28] Wang X, McCallum A., ...
  • Zhang L, Liu B., "Aspect and Entity Extraction for Opinion ...
  • نمایش کامل مراجع