CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه روشی جهت طبقه بندی نظرات افراد با استفاده از یادگیری ترکیبی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۵۱۸ | نظرات: ۱
سال انتشار: ۱۳۹۴
کد COI مقاله: SENACONF03_057
زبان مقاله: فارسی
حجم فایل: ۳۱۳.۵۸ کیلوبایت (فایل این مقاله در ۸ 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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه روشی جهت طبقه بندی نظرات افراد با استفاده از یادگیری ترکیبی

پریسا بستوه - دانشجوی ارشد هوش مصنوعی

چکیده مقاله:

امروزه با گسترش شبکه جهانی وب،افراد برای خرید کالاهای مورد نیاز خو و آگاهی از موضوعات مختلف به وب مراجعه میکنند. تعداد زیادی از بلاگها و شبکه های اجتماعی وجود دارند که کاربران نظرات خود را در مورد موضوعات مختلف درآنها درج نموده اند، درنتیجه حجم زیادی از اطلاعات به صورت غیر ساخت یافته وجود دارد که استخراج اطلاعات دلخواه از آنها کار دشواری است.عقیده کاوی فرآیند تحلیل نظرات، عقاید و احساسات کاربران است که از نقدها و نظراتی که در مورد یک موضوع خاص نوشته اند استخراج میشود .بیشترین و موفقترین روشهایی که انجام شده با استفاده از روشهای یادگیریماشین می باشد.در این روشها با استفاده از داده های آموزشی یک سیستم جهت طبقه بندی نظرات افراد داده می شود. اگر چه سیستم های موجود موفقیت های زیادی داشته اند ولی نبود یک سیستم ترکیبی جهت تجمیع پتانسیل های روشهای موجود احساس می شود. در این تحقیق با استفاده ازترکیب روشهای انتخاب ویژگی و یادگیری ترکیبی سعی در طراحی یک سیستم ترکیبی جدید جهت طبقه بندی نظرات افراد شده است. در این تحقیق ابتدا دقت طبقه بند های پایه نایو بیز، درخت تصمیم، ماشین بردار پشتیبان و نزدیکترین درخت همسایه را بدست آورده و با روشهای ترکیبی رای گیری، تقویتی،خودمتراکم و فضای تصادفی دقت های بدست آمده را ترکیب کنیم و به دقت بالاتری دست یابیم. همچنین بخش عمده ی پژوهش های نظرکاوی در زبان انگلیسی صورت گرفته است و در سایر زبان ها از جمله فارسی تحقیقات کمی انجام شده و دستاوردهای اندکی بدست آمده است. میتوان تحقیق انجام شده را برای طبقه بندی نظرات در زبان فارسی نیز استفاده کرد، با توجه به موفقیت های سیستم ترکیبی و نتایج بدست آمده، نشان می دهد که سیستم پیشنهادی می تواند به نسبت بهتر عمل کند و بهره وری و کارایی بیشتری در مقایسه با سایر روش ها داشته باشد

کلیدواژه‌ها:

عقیده کاوی، تحلیل نظرات ، احساسات، طبقه بند های پایه، یادگیری ترکیبی

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-SENACONF03-SENACONF03_057.html
کد COI مقاله: SENACONF03_057

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:
بستوه, پریسا، ۱۳۹۴، ارائه روشی جهت طبقه بندی نظرات افراد با استفاده از یادگیری ترکیبی، سومین کنگره سراسری فناوریهای نوین ایران با هدف دستیابی به توسعه پایدار، تهران، موسسه آموزش عالی مهر اروند، مرکز راهکارهای دستیابی به توسعه پایدار، https://www.civilica.com/Paper-SENACONF03-SENACONF03_057.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: (بستوه, پریسا، ۱۳۹۴)
برای بار دوم به بعد: (بستوه، ۱۳۹۴)
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 :

  • M. Hu and B. Liu, "Mining Opinion Features in Customer ...
  • _ Basiri, Mohammad Ehsan, Ahmad Reza Naghsh-Nilchi, and Nasser Gh ...
  • R. Xia, C. Zong, S. Li, Ensemble of feature sets ...
  • علم سنجی و رتبه بندی مقاله

    5.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0

    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.