دانلود مقاله تجزیه و تحلیل احساسات رسانه های اجتماعی
ترجمه نشده

دانلود مقاله تجزیه و تحلیل احساسات رسانه های اجتماعی

عنوان فارسی مقاله: تجزیه و تحلیل احساسات رسانه های اجتماعی - یک مطالعه نسبی در مجموعه داده های توییتر
عنوان انگلیسی مقاله: Social Media Sentiment Analysis- A Relative Study on Twitter Dataset
مجله/کنفرانس: 2022 ششمین کنفرانس بین المللی گرایش های الکترونیک و انفورماتیک (ICOEI) - 2022 6th International Conference on Trends in Electronics and Informatics (ICOEI)
رشته های تحصیلی مرتبط: مهندسی فناوری اطلاعات - علوم اجتماعی
گرایش های تحصیلی مرتبط: اینترنت و شبکه های گسترده - جامعه شناسی
کلمات کلیدی فارسی: توییتر - TSA - احساسات - ذهنی - قطبی شده
کلمات کلیدی انگلیسی: Twitter - TSA - Sentiment - Subjective - Polarized
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1109/ICOEI53556.2022.9777217
نویسندگان: Siddhartha Sangwan - Swati Jain - Keshav Gupta - Sandeep Rao
دانشگاه: Computer Science Dept., KIET Group of Institutions, Ghaziabad
صفحات مقاله انگلیسی: 6
ناشر: آی تریپل ای - IEEE
نوع ارائه مقاله: ژورنال - کنفرانسی
نوع مقاله: ISI
سال انتشار مقاله: 2022
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e17059
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
نوع رفرنس دهی: IEEE Citation
فهرست مطالب (ترجمه)

چکیده

مقدمه

کارهای مرتبط

روش شناسی

نتیجه و تجزیه و تحلیل

نتیجه

کارهای آینده

منابع

فهرست مطالب (انگلیسی)

Abstract

Introduction

Related Works

Methodology

Result and Analysis

Conclusion

Future Work

References

بخشی از مقاله (ترجمه ماشینی)

چکیده

     احساسات عقیده ای از شخص است که شخص در سایت رسانه اجتماعی خاص بیان می کند. برای شناخت مقاصد شخص در مورد یک چیز خاص، محاسبه ارزش عاطفی بررسی شخص ضروری است. TSA-Twitter Sentiment Analysis ابزاری است که ارزش ذهنی و قطبی شده یک توییت خاص را جدا از آن محاسبه می کند، همچنین توییت های اخیراً ارسال شده در مورد موضوع خاص را واکشی می کند و همچنین ارزش احساسی آنها را محاسبه می کند که به شناسایی آن کمک می کند. توییت‌های مثبت یا منفی موضوعی در کنار آن ساخته می‌شوند که نمایش گرافیکی توزیع توییت‌ها را نیز ارائه می‌دهد. TSA همچنین ارزش احساسی متنی را که کاربر وارد می‌کند، بدون در نظر گرفتن این که توییت در توییتر باشد، اعلام می‌کند.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)

Abstract

     Sentiment is an opinion of the person which a person expresses on the particular social media site. To get to know the intentions of the person on a particular thing, calculating the sentimental value of the person's review is must. TSA-Twitter Sentiment Analysis is tool which will be calculating the subjective and polarized value of the particular tweet apart from it, it will also fetch the recently posted tweets on the particular topic and will also calculate their sentimental value which will help to identify on which topic positive or negative tweets are being made along side it will give graphical representation of tweets distribution as well. TSA will also tell the sentimental value of the user enter text regardless of that being a real time tweet on twitter.

Introduction

     A tweet which is posted by a person on twitter is a sentiment which will be further classified as a positive sentiment , a negative sentiment or a neutral sentiment. Two types of sentimental values are calculated First is polarized value which ranges from -1 to +1, if the sentence polarized value is negative than there must be some presence of negative words in the sentence, on the contrary if polarized value is positive than sentence must have positive words and if value is 0 than it is a neutral word. Second is subjective value which ranges from 0 to +1, if value is closure to 0 than the tweet is fact otherwise it is personal opinion.

Conclusion

     The Research Paper shows the Sentimental Analysis including polarity and subjectivity done on more than 30000 tweets of the dataset . The final result is calculated by using the Average Accuracy score, the score is a result of average of 10 accuracy scores done on three dataset Dataset A(base Dataset), Dataset B and Dataset C it signifies the best model accuracy is ~95. Monitoring the twitter defines that how a particular person is thinking about several thing which gets us to know more about the outcomes of several things like election, products, equipment and etc.