CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Algorithm for Persian Text Sentiment Analysis in Correspondences on an E- Learning Social Website

اعتبار موردنیاز : ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۱۴۷ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: JR_UJRSET-4-1_002
زبان مقاله: انگلیسی
حجم فایل: ۳۴۴.۵۵ کیلوبایت (فایل این مقاله در ۵ 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 ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Algorithm for Persian Text Sentiment Analysis in Correspondences on an E- Learning Social Website

  Anahid Rais Rohani - Department of Computer, College of Mechatronic, Karaj Branch, Islamic Azad University, Alborz, Iran
  A zam Bastanfard - Department of Computer, College of Mechatronic, Karaj Branch, Islamic Azad University, Alborz, Iran

چکیده مقاله:

By 2000, sentiment analysis had been only studied based on speech and changes in facialexpressions. Since then, studies have been focused on text. Concerning Persian text mining,studies have been conducted on the methods for extracting properties for classification andexamination of opinions on social websites with an aim to determine text polarity. Thepresent research was aimed to prepare and implement an algorithm for Persian textsentiment analysis based on the following six basic emotional states: happiness, sadness,fear, anger, surprise, and disgust. In this research, sentiment analysis was carried out usingthe unsupervised lexical method. Lexicons are divided into four categories, namely theemotional, boosters, negation, and stop lists. The algorithm was written in six different waysusing different properties. In the first method, the algorithm was capable of identifying anemotional word in a sentence. The sentiment of the sentence was determined based on thegiven emotional word. However, it should be noted that the text itself is also important forsentiment analysis because in addition to the emotional words, other factors (such asboosters and negating factors) are also present in the sentence and affect the text sentiment.Hence, the algorithm was enhanced in the subsequent methods to detect the boosters andnegating words. Results of running the algorithm using different methods indicated that thealgorithm accuracy increased with an increase in the number properties involved. In thesixth method, an algorithm capable of identifying emotional, boosters and negative wordswas applied to two data samples including sentences written by typical users and sentenceswritten by university students on an electronic learning social website. The accuracy of thealgorithm with 100 data samples from typical users and 100 data samples from universitystudents was 80% and 84%, respectively.

کلیدواژه‌ها:

sentiment analysisopinion miningtext mining

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-JR_UJRSET-JR_UJRSET-4-1_002.html
کد COI مقاله: JR_UJRSET-4-1_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:
Rais Rohani, Anahid & A zam Bastanfard, ۱۳۹۵, Algorithm for Persian Text Sentiment Analysis in Correspondences on an E- Learning Social Website, UCT Journal of Research in Science ,Engineering and Technology 4 (1), https://www.civilica.com/Paper-JR_UJRSET-JR_UJRSET-4-1_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: (Rais Rohani, Anahid & A zam Bastanfard, ۱۳۹۵)
برای بار دوم به بعد: (Rais Rohani & Bastanfard, ۱۳۹۵)
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: دانشگاه آزاد
تعداد مقالات: ۶۹۶۳
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 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.