این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۱۰، شماره ۲، صفحات ۳۷۵-۳۸۹
عنوان فارسی ارائۀ الگوریتم متن‌کاوی به‎منظور تشخیص حس در متن‎های فارسی
چکیده فارسی مقاله در متن‌کاوی متن‎های فارسی، در زمینۀ چگونگی استخراج ویژگی‌ها برای دسته‌بندی و بررسی نظرها در سایت‌های اجتماعی به‎منظور تشخیص قطبیت متن، مطالعاتی انجام شده است. هدف این پژوهش، ارائۀ الگوریتمی برای آنالیز حس متن فارسی، بر اساس شش حس پایۀ خوشحالی، ناراحتی، ترس، خشم، تعجب و تنفر است. در این پژوهش، آنالیز احساس به روش غیرنظارتی مبتنی بر لغتنامه انجام شده است. تشخیص حس جمله فقط با در نظر گرفتن یک لغت عاطفی دقت زیادی ندارد؛ زیرا عوامل دیگری نیز در جمله مانند تشدیدکننده‌ها و نفی‌کننده‌ها وجود دارند که روی حس متن تأثیر می‌گذارند. از این رو، الگوریتم به شش روش با در نظر گرفتن ویژگی‌های متفاوت نوشته شده است. در روش اول الگوریتم قابلیت تشخیص یک لغت عاطفی درون جمله را دارد؛ سپس قابلیت تشخیص تشدیدکننده، نفی‌کننده و لغات ایست اضافه می‎شود. نتایج به‎دست آمده از اجرای الگوریتم‌ها روی دو نمونه داده، نشان می‌دهد با در نظر گرفتن ویژگی‌های بیشتر، دقت الگوریتم نیز افزایش می‎یابد که در آن عاملِ قسمتی از سخن، بیشترین تأثیر را دارد.
کلیدواژه‌های فارسی مقاله آنالیز احساس، اندیشه‌کاوی، داده&،lrm،کاوی، متن‌کاوی، وب‌کاوی،
عنوان انگلیسی Presenting a Text Mining Algorithm to Identify Emotion in Persian Corpus
چکیده انگلیسی مقاله The literature regarding Persian text mining indicates that most studies are conducted to detect polarity of opinions on social websites. The aim of this research is presenting an algorithm to identify emotion implemented in the text based on the following six main emotions of happiness, sadness, fear, anger, surprise and disgust. In this research, the emotion will be examined based on unsupervised lexicon method. Identifying emotions conveyed by the texts based on a single emotional word will produce low accuracy because the intervening boosters and negating words can influence the emotion of the text too. Therefore, the algorithm has been implemented in six approaches with different features. In the first approach, the algorithm is capable of detecting only one emotional word in a sentence, and then it improves to detect boosters and negating and stop word list as well. The results of running the algorithm on two domains of data showed that the more features used in the algorithm, the more accurate the algorithm becomes and that the most effective factor is part of speech.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مسعود گرشاسبی |
مربی پژوهشی، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران، ایران

آناهید رئیس روحانی |
کارشناس ارشد مهندسی نرمافزار، دانشکدۀ مکاترونیک دانشگاه آزاد اسلامی واحد کرج، تهران، ایران

محمدرضا کاباران زاده قدیم |
دانشیار گروه مدیریت، دانشکدۀ مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران

نشانی اینترنتی https://jitm.ut.ac.ir/article_63112_b55bc91774ae4a15d3dd92b8c143146c.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-582592.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات