CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

راهکاری به منظور طبقه بندی حالات عاطفی در شبکه اجتماعی توییتر

اعتبار موردنیاز PDF: ۱ WORD: ۳ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۶۰۹ | نظرات: ۰
سال انتشار: ۱۳۹۵
نوع ارائه: شفاهی
کد COI مقاله: IRANWEB02_059
زبان مقاله: فارسی
حجم فایل: ۲۵۲.۶۸ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم 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 PDF یا WORD 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 و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله راهکاری به منظور طبقه بندی حالات عاطفی در شبکه اجتماعی توییتر

  احمد آقا کاردان - استادیار دانشگاه صنعتی امیرکبیر، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
  یوسف آقاجانلو - دانشجوی کارشناسی ارشد دانشگاه صنعتی امیرکبیر، دانشکده مهندسی کامپیوتر و فناوری اطلاعات

چکیده مقاله:

شبکه های اجتماعی به عنوان یک رسانه محبوب به منظور به اشتراک گذاری نظرات، افکار، اطلاعات و تجارب مطرح شده اند. از سویی افراد معمولاً به طور غیرمستقیم رفتارهای احساسی خود را در متون و گفتارشان بازتاب میکنند. در این راستا استخراج حالت های عاطفی افراد از منابع برخط همانند شبکه های اجتماعی و سپس طبقه بندی این حالت ها در دسته های از پیش تعیین شده می تواند اطلاعات غنی درباره موضوعات مطرح و اعضای شبکه اجتماعی مورد نظر به دست دهد و در موارد گوناگون همانند تطبیق محتوا با عواطف هر فرد، کمپین های بازاریابی، نظارت بر پاسخ ها در اتفاقات محلی و عمومی و کشف روندهای حالت های افراد مورد استفاده قرار گیرد. در مقاله پیش رو از شبکه اجتماعی توییتر به دلیل در دسترس بودن داده های آن و کاربرد بسیار آن در حوزه طبقه بندی عواطف، استفاده شده است. در این مقاله قدم های موردنیاز برای به اجرا رساندن پژوهش طی شده و نتایج مربوطه مطرح گردیده است. در پایان نیز راهکاری در قالب یک سیستم بدین منظور ارائه شده است.

کلیدواژه‌ها:

تشخیص عواطف، تحلیل احساسات، طبقه بندی متون، شبکه اجتماعی، انتخاب ویژگی، دسته های عواطف

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-IRANWEB02-IRANWEB02_059.html
کد COI مقاله: IRANWEB02_059

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:
آقا کاردان, احمد و یوسف آقاجانلو، ۱۳۹۵، راهکاری به منظور طبقه بندی حالات عاطفی در شبکه اجتماعی توییتر، دومین کنفرانس بین المللی وب پژوهی، تهران، دانشگاه علم و فرهنگ، https://www.civilica.com/Paper-IRANWEB02-IRANWEB02_059.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: (آقا کاردان, احمد و یوسف آقاجانلو، ۱۳۹۵)
برای بار دوم به بعد: (آقا کاردان و آقاجانلو، ۱۳۹۵)
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 :

  • Liu, Bing. "Sentiment analysis and opinion mining." Synthesis Lectures _ ...
  • Li, Zhaolong. "Analyzing emotion on Twitter for Aser modeling." Diss. ...
  • Wiebe, J., Wilson, T., Cardie, Annotating expressions of opinions and ...
  • Alm, C.O., Roth, D., Sproat, R.: Emotions from text: machine ...
  • Luciano Barbosa , Junlan Feng, Robust sentiment detection on Twitter ...
  • Purver, Matthew, and Stuart Battersby. "Experimenting _ distant supervision for ...
  • Chapter of the Association for Computational Linguistics. Association for Computational ...
  • J. Brynielsson, F. Johansson, C. Jonsson, and A. Westling, "Emotion ...
  • Mac Kim, Sunghwan." Recognising Emotions and Sentiments ih Text." University ...
  • Constantine, Layale, and Hazem Hajj. "A survey of ground-truth in ...
  • Rahate, Rohini S., and M. Emmanuel. " Feature Selection for ...
  • Taboada, Maite, et al. "Lexicon-based methods for sentiment analysis." Computational ...
  • Musto, Cataldo, Giovanni Semeraro, and Marco Polignano. "A comparison of ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۳۲۹
    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.