CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شناسایی میزان رضایت مشتریان در شبکه اجتماعی اینستاگرام با استفاده از تحلیل احساسات

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۴۶۹ | نظرات: ۱
سال انتشار: ۱۳۹۵
کد COI مقاله: NPECE01_452
زبان مقاله: فارسی
حجم فایل: ۳۷۴.۸ کیلوبایت (فایل این مقاله در ۱۳ 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 ۱۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شناسایی میزان رضایت مشتریان در شبکه اجتماعی اینستاگرام با استفاده از تحلیل احساسات

  محمد عبدوس - کارشناسی ارشد هوش مصنوعی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
  احمد اکبری - کارشناسی ارشد هوش مصنوعی آزمایشگاه پردازش و تحلیل متن شرکت آرمان رایان شریف
  بهروز مینایی بیدگلی - عضو هیات علمی دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

چکیده مقاله:

با گسترش شگرف اینترنت شبکه های اجتماعی و استفاده روز افزون از آن با حجم انبوهی از نظرات کاربران در ارتباط با موضوعات مختلف روبرو هستیم که مطالعه و تحلیل نظرات در حجم انبوه با مشکلات زیادی مواجه است و کاربرد تکنیک های علمی ضرورتی اجتناب ناپذیر می باشد بسیاری از افراد برای انتخاب خدمات و کالاهای مورد نیاز خود به شبکه های اجتماعی مراجعه می کنند و ویژگی های خدمات و نقاط ضعف و قوت آن را توسط نوشتارها و نقدهای مرتبط مشخص نموده و خدمات یا کالای منطبق با نیاز خود را می یابند از طرف دیگر شرکت ها و مراکز خدماتی نیز می توانند با مراجعه به نقدهای نوشته شده توسط کاربران در شبکه های اجتماعی از مزایا و معایب کالا یا خدمات خود مطلع شده و در جهت بهبود قوت و رفع نقاط ضعف کالا و خدمات خود گام بردارند با توجه به وجود حجم زیاد اطلاعات و نقدهایی از این دست در شبکه های اجتماعی ضرورت وجود سیستمی برای استخراج این اطلاعات احساس می شود این سیستم ها سیستم های تحلیل احساسات نامیده می شوند معمولا تحلیل احساسات را بر یک موجودیت بررسی می کنند که در این پژوهش بر محصولات یک شرکت ارائه دهنده خدمات موبایل تحلیل احساسات انجام می شود در این مقاله پژوهش های انجام شده برای تحلیل احساسات را بررسی کرده و با استفاده از روش های مبتنی بر واژگان و یادگیری ماشین میزان رضایت و یا عدم رضایت مشتریان از یک شرکت ارائه خدمات و محصولات در شبکه های اجتماعی اینستاگرام بررسی می شوند

کلیدواژه‌ها:

تحلیل احساسات،سنجش رضایت مشتری،شبکه های اجتماعی،متن 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-NPECE01-NPECE01_452.html
کد COI مقاله: NPECE01_452

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:
عبدوس, محمد؛ احمد اکبری و بهروز مینایی بیدگلی، ۱۳۹۵، شناسایی میزان رضایت مشتریان در شبکه اجتماعی اینستاگرام با استفاده از تحلیل احساسات، اولین کنفرانس بین المللی چشم انداز های نو در مهندسی برق و کامپیوتر، تهران، کنفدراسیون بین المللی مخترعان جهان (IFIA)،  دانشگاه جامع علمی کاربردی، https://www.civilica.com/Paper-NPECE01-NPECE01_452.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: (عبدوس, محمد؛ احمد اکبری و بهروز مینایی بیدگلی، ۱۳۹۵)
برای بار دوم به بعد: (عبدوس؛ اکبری و مینایی بیدگلی، 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 _ Synthesis Lectures on ...
  • OConnor, Brendan, et al. "From Twees to Polls: Linking Text ...
  • Yano, Tae, and Noah A. Smith. _ Worthy of Comment? ...
  • Feldman, Ronen, et al. "The stock sonar-s entiment analysis of ...
  • Bar-Haim, Roy, et al. "Identifying and following expert investors in ...
  • Moreo, Alejandro, et al. _ 'Lexicon-based comm ents-oriented news sentiment ...
  • Wanner, Franz, et al. _ sentiment analysis of rss news ...
  • Balahur, Alexandra, et al. "Sentiment analysis in the news." arXiv ...
  • Medhat, Walaa, Ahmed Hassan, and Hoda Korashy. :Sentiment analysis algorithms ...
  • Pang, Bo, Lillian Lee, and Shivakumar Vaithyanathan. "Thumbs up?: sentiment ...
  • Kang, Hanhoon, Seong Joon Yoo, and Dongil Han. "Senti-lexicoh and ...
  • He, Yulan, and Deyu Zhou. "Self-training from labeled features for ...
  • Qiu, Guang, et al. 0"DASA di _ sati S facti ...
  • Balahur, Alexandra, et al. "Opinion mining on newspape quotations." Web ...
  • Intelligence and Intelligent Agent Technologies, 2009. WI-IAT09. IEE E/WIC/ACM International ...
  • Prabowo, Rudy, and Mike Thelwal "Sentiment analysis: A combined approach." ...
  • Moraes, R., Valiati, J.F. & Neto, W.P.G. (2013). D ocument-level ...
  • Mahmood Bijankhan, Javad Sheykhz adegan, Mohammad Bahrani, & Masood Ghayoomi. ...
  • علم سنجی و رتبه بندی مقاله

    5.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۷۴۳
    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.