CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

کاوش نظرات مقایسه ای در نقدهای محصول فارسی برای هوش رقابتی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۵ | تعداد نمایش خلاصه: ۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: SETCO01_132
زبان مقاله: فارسی
حجم فایل: ۹۰۶.۸۷ کیلوبایت (فایل این مقاله در ۱۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۵ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۵ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کاوش نظرات مقایسه ای در نقدهای محصول فارسی برای هوش رقابتی

  نوا سروش حدادی - کارشناسی ارشد مهندسی فناوری اطلاعات تجارت الکترونیک،دانشگاه آزاد واحدالکترونیکی،تهران

چکیده مقاله:

در میان انبوه تحقیقاتی که در دهه ی اخیر در حوزیه نظرکاوی منتشر گشته اند، تعداد کمی از کارها به زبان های غیر انگلیسیمربوط میشود. در این میان، بنا به دانش نویسنده، تاکنون تنها تعداد اندکی تحقیق در زمینه ی نظرکاوی مستقیم در زبانفارسی انجام گرفته اند که آنها نیز جملات مقایسه ای را در نظر نگرفته اند. هدف این تحقیق ارایه ی یک روش دسته بندیجملات مقایسه ای و غیر مقایسه ای با در نظر گرفتن برچسب های (قیاس نامساوی، قیاس مساوی، قیاس تفضیل، غیر قیاسی وغیر مقایسه ای) نظرات سه دسته محصول در سایت فروشگاه الکترونیکی دیجیکالا، با دقت مطلوب میباشد که بتواند به عنوانفاز اول فیلترینگ، برای نظرکاوی جملات مقایسه ای در بسیاری از کارهای پردازش زبان طبیعی و هوش رقابتی، از جمله پیداکردن بینش بازار و عملکرد فروش یک شرکت در مقایسه با رقبای آن، مورد استفاده قرار بگیرد. بدین منظور، از روشهاییادگیری ماشین استفاده کرده ایم که از موثرترین و محبوب ترین روشها در طبقه بندی متن میباشند. در این تحقیق، دسته-بندهای k نزدیکترین همسایه، درخت تصمیم و نایوبیز در مرحله ی یادگیری مورد استفاده قرار گرفته اند. فرآیند روشپیشنهادی بدین صورت است که پس از پیش پرازش متن رودی، با توجه به این که مجموعه داده ی مورد استفاده در اینتحقیق خاصیت نامتوازن دارد، روش پیشنهادی با انتخاب وسیله ی یک تکنیک دسته بندی با استفاده از نمونه گیری مجدد ازداده ها (Resample) تلاش می کند که برای داده های نامتقارن مفید واقع شود و تاثیرات منفی محدودیتهای ایجاد شده را بهوسیله ی داده های نامتقارن را از بین ببرد. این کار به وسیله ی یک تکنیک دسته بندی با استفاده از نمونه گیری مجدد از داده هاانجام می شود. در مرحله ی بعد با توجه به اینکه عملکرد این دسته بندهای بانظارت اغلب تحت تاثیر بردار ویژگی ورودیمتفاوت میباشند، در این پژوهش، به عنوان جایگزینی برای بردار کلمات، مجموعه ویژگی های n-gram؛ (1-3 گرم) به عنوانبردار کلمات استخراج میشوند. سپس به منظور کاهش تعداد ویژگیها و انتخاب ویژگیهای اصلی متن، از روش انتخاب ویژگیمعیار افزایش اطلاعات، مجموعه ویژگیهای مناسب برای طبقه بندی انتخاب میشوند. در مرحله ی بعد، برای انعکاس ساختاردقیق تری از متون در بردار ویژگی، به جای موجودیت های مورد مقایسه، آنها را با عبارتی واحد مانند Entity ، جایگزینمی کنیم و در نهایت با استفاده از الگویتم های یادگیری ماشین متون طبقه بندی میشوند . نتایج آزمایشات در این تحقیق،نشان داد که روش دستهبندی k نزدیکترین همسایه به همراه روشهای استخراج ویژگی های لغوی N- گرم و کاهش بعد توسط الگوریتم انتخاب ویژگی افزایش اطلاعات، به همراه روش نمونه گیری مجدد از داده ها و حذف موجودیت های موردمقایسه از بردار ویژگی، بیشترین بهبود در کارایی دسته بندها را ایجاد می کند (F_Measure حدود 81 درصد). بررسی هایانجام شده از مقایسه ی روش پیشنهادی با دسته بندهای پایه در این زمینه، نشان از بهبود 16 درصدی شاخص F_Measure و موثر بودن مدل پیشنهادی دارد.

کلیدواژه‌ها:

نظر کاوی،جملات مقایسه ای،متد افزایش اطلاعات، انتخاب ویژگی،نمونه برداری،طبقه بندی نامتعادل

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-SETCO01-SETCO01_132.html
کد COI مقاله: SETCO01_132

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:
سروش حدادی, نوا، ۱۳۹۷، کاوش نظرات مقایسه ای در نقدهای محصول فارسی برای هوش رقابتی، کنگره ملی سالانه ایده های نوین پژوهشی در علوم مهندسی و تکنولوژی، برق و کامپیوتر، ساری، موسسه آموزش عالی هدف ساری، https://www.civilica.com/Paper-SETCO01-SETCO01_132.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: (سروش حدادی, نوا، ۱۳۹۷)
برای بار دوم به بعد: (سروش حدادی، ۱۳۹۷)
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: ۱۵۶۸
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.