کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10355184 | 867104 | 2015 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Reprint of: Computational approaches for mining user's opinions on the Web 2.0
ترجمه فارسی عنوان
بازنگری: رویکردهای محاسباتی برای نظر کاربران معدن در وب 2.0
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
نظر معادن، متن پر سر و صدا، پیش پردازش متن، محتوای ایجاد شده توسط کاربر، داده کاوی،
ترجمه چکیده
زمینه تحقیق در حال ظهور معرفت نظر به روشهای محاسباتی برای یافتن، تفریق و منظم تحلیل عقاید، نگرش ها و احساسات مردم نسبت به موضوعات خاص می پردازد. در حالی که اطلاعات جالب بازار تحقیقاتی را تهیه می کند، کاربرانی که محتوای موجود در وب را تولید می کنند، چالش های متعددی در مورد تحلیل سیستماتیک، تفاوت ها و ویژگی های منحصر به فرد کانال های مختلف رسانه های اجتماعی دارد که یکی از آنهاست. این مقاله در مورد تعیین این ویژگی ها، و تأثیر آنها بر پیش پردازش متن و الگوریتم های معرفت نظر را بیان می کند. اثربخشی الگوریتم های مختلف به منظور تعیین کاربرد آن در کانال های مختلف رسانه های اجتماعی ارزیابی می شود. تحقیقات ما نشان می دهد که الگوریتم های پیش پردازش متن برای نظر سنجی های معدن در وب 2.0 اجباری هستند و بخشی از این الگوریتم ها به خطاها و اشتباهات موجود در محتوای تولید شده توسط کاربر حساس هستند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
The emerging research area of opinion mining deals with computational methods in order to find, extract and systematically analyze people's opinions, attitudes and emotions towards certain topics. While providing interesting market research information, the user generated content existing on the Web 2.0 presents numerous challenges regarding systematic analysis, the differences and unique characteristics of the various social media channels being one of them. This article reports on the determination of such particularities, and deduces their impact on text preprocessing and opinion mining algorithms. The effectiveness of different algorithms is evaluated in order to determine their applicability to the various social media channels. Our research shows that text preprocessing algorithms are mandatory for mining opinions on the Web 2.0 and that part of these algorithms are sensitive to errors and mistakes contained in the user generated content.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Processing & Management - Volume 51, Issue 4, July 2015, Pages 510-519
Journal: Information Processing & Management - Volume 51, Issue 4, July 2015, Pages 510-519
نویسندگان
Gerald Petz, MichaÅ Karpowicz, Harald FürschuÃ, Andreas Auinger, Václav StÅÃteský, Andreas Holzinger,