CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

روشی به منظور احساس کاوی بر روی توئیتر در مقیاس کلان داده

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۲۴ | نظرات: ۰
سال انتشار: ۱۳۹۸
نوع ارائه: پوستری
کد COI مقاله: IRANWEB05_019
زبان مقاله: فارسی
حجم فایل: ۴۶۴.۷۹ کیلوبایت (فایل این مقاله در ۷ 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 ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روشی به منظور احساس کاوی بر روی توئیتر در مقیاس کلان داده

  محمدجواد شایگان فرد - گروه مهندسی کامپیوتر، دانشگاه علم و فرهنگ ، تهران، ایران
  مهرداد ملانوروزی - گروه مهندسی کامپیوتر، دانشگاه علم و فرهنگ ، تهران، ایران

چکیده مقاله:

توئیتر یکی از محبوب ترین شبکه های اجتماعی حال حاضر می باشد. افراد نظرات و احساسات خود را درباره ی موضوعات مختلف که در زندگی روزمره خود با آن ها درگیر هستند، در توئیتر بیان می کنند. حجم انبوه نظرات در توئیتر این شبکه اجتماعی را به عنوان یکی از پایگاه های کلان داده تبدیل کرده است و پژوهش های زیادی بر روی توئیتر در مقیاس کلان داده صورت گرفته است. از طرف دیگر موضوع احساس کاوی به خصوص در شبکه های اجتماعی در چند سال اخیر مورد توجه قرار گرفته و نتایج آن در بسیاری از زمینه های اقتصادی، اجتماعی و سیاسی دیده شده است. در این پژوهش روشی ارائه می شود که ابتدا داده ها از توئیتر جمع آوری شده و سپس با استفاده از چارچوب هدوپ و یک روش سعی و خطا و با استفاده از مدل ترکیبی استفاده از تئوری بیز و دیکشنری لغات تحلیل احساسات صورت می گیرد. نتایج حاصل از آزمایش دقت روش پیشنهادی را در حدود 70٪ نشان می دهد.

کلیدواژه‌ها:

احساس کاوی، کلان داده، توئیتر، وب کاوی

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-IRANWEB05-IRANWEB05_019.html
کد COI مقاله: IRANWEB05_019

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:
شایگان فرد, محمدجواد و مهرداد ملانوروزی، ۱۳۹۸، روشی به منظور احساس کاوی بر روی توئیتر در مقیاس کلان داده، پنجمین کنفرانس بین المللی وب پژوهی، تهران، دانشگاه علم و فرهنگ، https://www.civilica.com/Paper-IRANWEB05-IRANWEB05_019.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: (شایگان فرد, محمدجواد و مهرداد ملانوروزی، ۱۳۹۸)
برای بار دوم به بعد: (شایگان فرد و ملانوروزی، ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: ۱۰۵۳
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.