فایل ورد کامل کلاس بندی احساسات در فارسی: معرفی یک روش مبتنی بر اطلاعات متقابل برای انتخاب ویژگی

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 کلاس بندی احساسات در فارسی: معرفی یک روش مبتنی بر اطلاعات متقابل برای انتخاب ویژگی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۵ صفحه

با رشد هنگفت بازدیدهای آنلاین در اینترنت، تحلیل احساسات توجه بیش تر و بیش تری را در جامعه بازیابی اطلاعات و پردازش زبان طبیعی به خود جلب کرده است. تا حالا تحقیقات کمی در حوزه تحلیل احساسات برای اسناد فارسی انجام شده‌ است. این مقاله به مسئله کلاس‌بندی احساسات برای بازبینی‌های آنلاین کاربران در زبان فارسی می‌پردازد. یکی از چالش‌های زبان فارسی، استفاده گسترده از پسوندها است. یکی دیگر از مشکلات متون فارسی فاصله کلمات است. در زبان فارسی علاوه بر فاصله سفید بعنوان فاصله بین کلمات، یک فاصله درون کلمه ای دیگر با نام شبه فاصله (نیم فاصله)، بخش‌های کلمه را از هم جدا می‌کند. یک چالش مورد توجه در بازبینی کاربران در زبان فارسی، استفاده از تعداد زیادی از کلمات غیر رسمی یا محاوره‌ای در متن است. ما در این مقاله این چالش‌ها را با معرفی مدلی برای کلاس‌بندی احساسات اسناد بازبینی فارسی، مورد مطالعه قرار می‌دهیم. مدل پیشنهاد شده بر اساس یک رویکرد تفسیری برای زبان فارسی بوده و از الگوریتم یادگیری بیزین ساده برای کلاس‌بندی استفاده می‌کند. بعلاوه ما یک روش انتخاب ویژگی جدید بر اساس روش اطلاعات متقابل به‌منظور استخراج بهترین دسته ویژگی ها از میان ویژگی‌هایی است که قبلا استخراج شده‌اند. در نهایت، ما کارایی مدل فوق را بر روی مجموعه ای از بازبینی‌های تلفن‌های همراه جمع‌آوری شده بصورت دستی، ارزیابی می‌کنیم که نتایج نشان‌دهنده کارایی مدل معرفی شده هستند.

کلمات کلیدی: کلاس‌بندی احساسات | تحلیل احساسات | زبان فارسی | انتخاب ویژگی| اطلاعات متقابل.

عنوان انگلیسی:

Sentiment Classification in Persian: Introducing a Mutual Information-based Method for Feature Selection

~~en~~ writers :

Ayoub Bagheri, Mohamad Saraee, and Franciska de Jong

With the enormous growth of online reviews in
Internet, sentiment analysis has received more and more
attention in information retrieval and natural language
processing community. Up to now there are very few researches
conducted on sentiment analysis for Persian documents. This
paper considers the problem of sentiment classification for
online customer reviews in Persian language. One of the
challenges of Persian language is using of a wide variety of
declensional suffixes. Another common problem of Persian text
is word spacing. In Persian in addition to white space as interwords space, an intra-word space called pseudo-space
separates word’s part. One more noticeable challenge in
customer reviews in Persian language is that of utilizing many
informal or colloquial words in text. In this paper we study
these challenges by proposing a model for sentiment
classification of Persian review documents. The proposed
model is based on a lemmatization approach for Persian
language and is employed Naive Bayes learning algorithm for
classification. Additionally we present a new feature selection
method based on the mutual information method to extract the
best feature collection from the initial extracted features.
Finally we evaluate the performance of the model on a
manually gathered collection of cellphone reviews, where the
results show the effectiveness of the proposed model.

Keywords: Sentiment classification | Sentiment analysis | Persian language | Feature Selection | Mutual information.

$$en!!