فایل ورد کامل مطالعه مقایسه ای در مورد تحلیل احساسات

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مطالعه مقایسه ای در مورد تحلیل احساسات،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۴۱ صفحه

چکیده

با پیدایش اینترنت و وب جهان گستر، رشد بی‌سابقه داده‌ها و اطلاعات مربوط به وب و همچنین رشد چشمگیر نظرات، احساسات، و نگرش‌های دیجیتال یا متنی را مشاهده می‌کنیم، که در بازنگری‌ها (تجدید نظرات) نیز ملاحظه می‌شوند. لازم است که نگرش ویژه‌ای برای پردازش و شناخت اطلاعات مورد استفاده توسط روش‌های بازیابی اطلاعات و روش‌های پردازش زبان طبیعی ارائه شود. یکی از مهمترین مشکلات در این زمینه، تجزیه و تحلیل احساسات است که به موجب آن، هر بازنگری در دو دسته رده‌بندی می‌شود: نظرات مثبت (مورد تایید یا مطلوب) و نظرات منفی (عدم تایید یا نامطلوب). این مقاله به بحث مسائل مربوطه از قبیل روش‌های انتخاب ویژگی و رده‌بندی‌های مختلف احساسات و هچنین رویکردهای جدید به تازگی در نظر گرفته شده برای حل این مساله می‌پردازد.

نتیجه‌گیری

با ظهور وب، همراه با اینترنت گسترده و رسانه‌های اجتماعی (از قبیل شبکه‌های اجتماعی، نشریات، نظرات، توییتر، و بحث‌های انجن‌ها در وب)، به تازگی رشد فزاینده داده‌ها و اطلاعات روی وب را مشاهده می‌کنیم. این افزایش در رشد شامل رشد دیدگاه‌های دیجیتال یا متنی، احساسات و نگرش‌ها است که در نظرسنجی‌ها بر آن‌ها تکیه می‌شود. لازم است که توجه ویژه‌ای به فرایندها و شناخت اطلاعات با استفاده از روش‌های بازیافت اطلاعات و روش‌های پردازش زبان طبیعی ارائه شود. یکی از مشکلات اصلی در این حوزه، تجزیه و تحلیل احساسات است که به موجب آن، هر دیدگاه در دو رده مثبت یا منفی رده‌بندی می‌شود. هدف این مقاله، ارائه روشی برای افزایش یادگیری درباره تجزیه و تحلیل احساسات و تکنیک‌های موجود بود. در این مطالعه، روش‌های مختلف انتخاب ویژگی و همچنین انواع الگوریتم‌های مختلف رده‌بندی احساسات در تجزیه و تحلیل احساسات را مورد برسی قرار داده و نتایج چند مطالعه را مقایسه کردیم.

عنوان انگلیسی:A Comparative Study on Sentiment Analysis~~en~~

Abstract

With the genesis of the internet and the world wide web, we have seen an unprecedented growth of data and information on the web as well as a huge growth in digital or textual opinions, sentiments and attitudes as remarked upon in reviews. Special attention needs to be given to the processing and understating information used by information retrieval methods and natural language processing methods. One of the main problems in this scope is sentiment analysis whereby a review is classified into two classes, i.e. positive (thumbs up or favorable) or negative (thumbs down or unfavorable) opinions. This paper discusses related issues such as feature selection methods and different sentiment classifications as well as the main approaches currently being taken to solve this problem.

Conclusion

With the advent of the Web together with widespread internet and social media (such as social networks, reviews, comments, twitter and forum discussion on the web), we are currently seeing a huge growth of data and information on the web. This includes the growth of digital or textual opinions, sentiments and attitudes as remarked upon in reviews. Special attention needs to be given to the processes and understating of information by information retrieval methods and natural language processing methods. One of the main problems in this scope is sentiment analysis whereby a review is classified into two classes, i.e. positive or negative opinions. The purpose of this article was to prepare a way for increased learning about sentiment analysis and existing techniques. We investigated different methods of feature selection as well as a variety of different algorithms of sentiment classification in sentiment analysis and compared the results in several studies.

$$en!!