بالا بردن میزان کشف اطلاعات اجتماعی توسط تکنیک های تحلیل احساسات
ترجمه نشده

بالا بردن میزان کشف اطلاعات اجتماعی توسط تکنیک های تحلیل احساسات

عنوان فارسی مقاله: بالا بردن میزان کشف اطلاعات اجتماعی توسط تکنیک های تحلیل احساسات
عنوان انگلیسی مقاله: Social information discovery enhanced by sentiment analysis techniques
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، مهندسی فناوری اطلاعات
گرایش های تحصیلی مرتبط:  الگوریتم و محاسبات، سامانه های شبکه ای
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.01.051
دانشگاه: Dipartimento di Ingegneria dell’Informazione, Università Politecnica delle Marche, via Brecce Bianche, 60131 Ancona, Italy
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5.341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0.844 در سال 2017
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): 0167-739X
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 13
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
کد محصول: E12032
فهرست انگلیسی مطالب

Abstract


1. Introduction


2. Related work


3. The social information discovery system


4. Sentiment analysis


5. Implementation


6. Evaluation


7. Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


In recent years, the massive diffusion of social networks has made available a large amount of user-generated content, for the most part in the form of textual data that contain people’s thoughts and emotions about a great variety of topics. In order to exploit these publicly available information, in this work we introduce a social information discovery system which elaborates simultaneously over more-than-one social network in an integrated scenario. The system is designed to ensure flexibility and scalability, thus enabling for (near-)real-time analysis even in case of high rates of content’s creation and large amounts of heterogeneous data. Furthermore, a noise detection technique ensures a high relevance of analyzed posts/tweets to the domain of interest. We also propose a lexicon-based sentiment analysis algorithm to extract and measure users’ opinion, in order to support collaboration and open innovation. Polysemous words and negations are typically challenging for lexicon-based approaches: for this reason, we introduce both a word sense disambiguation algorithm and a negation handling technique. Experiments on several datasets have proven that the combined use of both techniques improves the classification accuracy on 3-class sentiment analysis.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

بالا بردن میزان کشف اطلاعات اجتماعی توسط تکنیک های تحلیل احساسات
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها