امروزه بررسی نظرات و عقاید کاربران در بستر اینترنت بخش مهمی از فرآیند تصمیم گیری مردم در رابطه با انتخاب یک محصول یا استفاده از خدمات ارایه شده را شامل می شود. با وجود بستر اینترنت و دسترسی ساده به وبلاگ های مربوط به نظرات در زمینه صنعت گردشگری و هتلداری، منابع غنی و ع چکیده کامل
امروزه بررسی نظرات و عقاید کاربران در بستر اینترنت بخش مهمی از فرآیند تصمیم گیری مردم در رابطه با انتخاب یک محصول یا استفاده از خدمات ارایه شده را شامل می شود. با وجود بستر اینترنت و دسترسی ساده به وبلاگ های مربوط به نظرات در زمینه صنعت گردشگری و هتلداری، منابع غنی و عظیمی از عقاید بصورت متن موجود می باشد که افراد می‌توانند از روش های متن کاوی برای کشف عقاید دیگران استفاده کنند. با توجه به اهمیت نظر و عقاید کاربران در صنایع و بویژه صنعت گردشگری و هتلداری، مباحث عقیده‌کاوی و تحلیل احساسات و کاوش متون نوشته شده توسط کاربران مورد توجه متصدیان امور قرار گرفته است .
در این مقاله یک روش ترکیبی و جدید بر اساس یک رویکرد رایج در تحلیل احساسات، استفاده از واژگان برای تولید ویژگی هایی برای طبقه بندی بار احساسی نظرات ارائه شده است. بدین صورت که دو روش ساخت فهرست واژگان یکی با استفاده از روش های آماری و دیگری با استفاده از الگوریتم ژنتیکی ارائه شده است. واژگان فوق الذکر با فرهنگ واژگان احساس عمومی و استاندارد لیو بینگ آمیخته می شوند تا دقت طبقه بندی افزایش یابد.
پرونده مقاله
محبوبیت شبکه های اجتماعی بخصوص توییتر چالش جدیدی را روبروی محققان قرار داده است و آن چیزی نیست جز هرزنامه . روش های گوناگون زیادی برای مقابله با آنها ارائه شده است. بعضی از این روش ها اگرچه در ابتدا کارآمد بودند اما به مرور توسط تولید کنندگان هرزنامه دور زده شدند. در ای چکیده کامل
محبوبیت شبکه های اجتماعی بخصوص توییتر چالش جدیدی را روبروی محققان قرار داده است و آن چیزی نیست جز هرزنامه . روش های گوناگون زیادی برای مقابله با آنها ارائه شده است. بعضی از این روش ها اگرچه در ابتدا کارآمد بودند اما به مرور توسط تولید کنندگان هرزنامه دور زده شدند. در این تحقیق تلاش داریم با استفاده از یکی از جدیدترین روش های تشخیص هرزنامه و ترکیب آن با تحلیل احساسات دقت تشخیص هرزنامه را افزایش دهیم. ما با استفاده از روش تعبیه سازی، کلمات متن توییت را به عنوان ورودی به یک معماری شبکه عصبی پیچشی داده و خروجی تشخیص دهنده متن هرزنامه یا متن عادی خواهد بود. هم زمان با استخراج ویژگی های مناسب در شبکه توییتر و اعمال روش های یادگیری ماشین بر روی آنها تشخیص هرزنامه بودن توییت را بصورت مجزا محاسبه می کنیم. در نهایت خروجی هر دو روش را به یک شبکه پیچشی تلفیقی وارد می کنیم تا خروجی آن تشخیص نهایی هرزنامه یا نرمال بودن متن توییت را تعیین کند. ما در این تحقیق از دو مجموعه داده متعادل و نامتعادل استفاده می کنیم تا تاثیر مدل پیشنهادی را بر روی دو نوع داده بررسی کنیم. نتایج پژوهش نشان دهنده بهبود کارایی روش پیشنهادی در هر دو مجموعه داده می باشد.
پرونده مقاله
تفسير محتوا با هدف تحليل سنجمان راويان آن در شبكه هاي اجتماعي از اهميت وي‍ژه اي برخوردار است. اين اهميت عمدتاً به حساسيت محتوا در شبكه هاي اجتماعي از منظر نقش آن در اطلاع رساني و آگاهي رساني به آحاد و گروه هاي انساني باز مي گردد. در اين مقاله، چارچوبي براي تحليل سنجمان چکیده کامل
تفسير محتوا با هدف تحليل سنجمان راويان آن در شبكه هاي اجتماعي از اهميت وي‍ژه اي برخوردار است. اين اهميت عمدتاً به حساسيت محتوا در شبكه هاي اجتماعي از منظر نقش آن در اطلاع رساني و آگاهي رساني به آحاد و گروه هاي انساني باز مي گردد. در اين مقاله، چارچوبي براي تحليل سنجمان بر روي محتواهاي پيچيده در شبكه اجتماعي ارائه مي شود كه با استفاده از پروتكل هايي از نوع قواعد اگر- آنگاه كه در سطح انتزاع بالا تعريف شده اند، قادر است تا پيام مضموني مستتر در يك محتوا را براي كاربران شبكه هاي اجتماعي طبقه بندي نموده و از اين طريق آنان را در حد امكان با اصل محتوا آشنا سازد. طبق اين چارچوب، مواردي از قبيل لحن/ آهنگ اداي كلام، همبافت انتشار محتوا و گزاره هاي كليدي در متن محتوا، در بخش مقدم پروتكل و طبقات ممكنه از پيام مستتر در يك محتوا در بخش تالي پروتكل قرار مي گيرد. شايان ذكر است كه پروتكل هاي قاعده گونه پيشنهادي، بخاطر خاصيت تعميم پذيري كه در موارد فوق نهفته قابل تسري به ساير زبان ها مي باشد. نتايج حاصل از شبيه سازي رايانه اي بر روي طيف قابل ملاحظه اي از محتواهاي گوناگون در شبكه هاي اجتماعي حاكي از آن است كه اين چارچوب از توانايي لازم براي تحليل سنجمان راويان مربوطه برخوردار مي باشد.
پرونده مقاله
تحلیل احساسات یا نظرکاوی شاخه ای از علوم کامپیوتر و پردازش زبان طبیعی است که سعی دارد ماشین و هوش مصنوعی را با احساس و عواطف انسانی آشنا سازد.طعنه کاوی نیز از زیرشاخه های تحلیل احساسات است و هر دو بدنبال تشخیص صحیح احساسات مثبت و منفی نهفته در متن هستند. استفاده از طعنه چکیده کامل
تحلیل احساسات یا نظرکاوی شاخه ای از علوم کامپیوتر و پردازش زبان طبیعی است که سعی دارد ماشین و هوش مصنوعی را با احساس و عواطف انسانی آشنا سازد.طعنه کاوی نیز از زیرشاخه های تحلیل احساسات است و هر دو بدنبال تشخیص صحیح احساسات مثبت و منفی نهفته در متن هستند. استفاده از طعنه در شبکه های اجتماعی بسیار مرسوم است، زیرا به این طریق می-توان انتقاد را با زبان طنز انجام داد. آشکارسازی طعنه در تشخیص درستی قطبش یک نظر، تاثیر به خصوصی دارد و می تواند به فهم متن توسط ماشین کمک کند و منظور نویسنده متن، شفاف تر فهمیده شود. به اين هدف، 8000 توییت فارسی که بر چسب احساس دارند و از لحاظ وجود يا عدم وجود طعنه بررسی شده‌اند، مورد استفاده قرار گرفته است. نوآوری اين پژوهش در استخراج کلمات کلیدی از جملات طعنه دار است که باعث ایجاد طعنه و کنایه شده اند. در اين پژوهش دسته‌بند مجزايي برای شناسايي طعنه در متن طراحی و اموزش داده شده است و سپس خروجی های اين رده‌بند به عنوان ويژگی افزوده در اختيار دسته‌بند شناسايي احساس متن قرار می گيرد. همچنین علاوه بر بقيه کلمات کليدی استخراج شده از متن از شکلک ها و هشتگ های موجود در متن نیز به عنوان ویژگی استفاده شده است. دسته‌بندهای بیز، ماشین بردار پشتیبان و شبکه عصبی به عنوان دسته‌بندهای پايه استفاده شده‌اند و در نهايت از ترکيب دسته‌بندها در شناسايي احساس متن استفاده شد. نتايج اين پژوهش نشان می‌دهد که شناسايي طعنه موجود در متن و استفاده از آن در شناسايي احساس دقت نتايج را افزايش می‌دهد.
پرونده مقاله
یکي از م شکلات ا سا س ي بانکهاي ایراني نبود فرآیند مدیریت ری سک با رویکردي آیندهنگر ا ست . از مهمترین این ری سک ها در بانک،
ميتوان به ری سک نقدینگي ا شاره کرد ؛ بنابراین پيشبيني ری سک نقدینگي به مو ضوع ي مهم براي بانکها تبدیل شده ا س ت. روشهاي
مرسوم اندازه گيري ریسک ن چکیده کامل
یکي از م شکلات ا سا س ي بانکهاي ایراني نبود فرآیند مدیریت ری سک با رویکردي آیندهنگر ا ست . از مهمترین این ری سک ها در بانک،
ميتوان به ری سک نقدینگي ا شاره کرد ؛ بنابراین پيشبيني ری سک نقدینگي به مو ضوع ي مهم براي بانکها تبدیل شده ا س ت. روشهاي
مرسوم اندازه گيري ریسک نقدینگي پيچيده، زمانبر و پرهزینه هستند که پيشبيني آن را نيز غير قابل دسترس نموده اس ت. پيشبيني
ریسک نقدینگي در زمان مناسب ميتواند از بروز مشکلات یا بحرانهاي جدي در بانک جلوگيري نماید.
در این مطالعه سعي شده است تا راهحلي نوآورانه براي پيشبيني ریسک نقدینگي بانک و سناریوهاي پيشرو با استفاده از رویکرد تحليل تمایلات خبري ارائه شود . از رویکرد تحليل تمایل اخبار پيرامون یکي از بانکهاي ایراني در را ستاي شنا سایي متغيرهاي کيفي پ ویا و مؤثر در ریسککک نقدینگي بهره برده شده تا روشي سادهتر و با کارایي بالاتر براي پيشبيني روند ریسک نقدینگي ارائه نماید. روش پيشنهادي سناریوهاي عملي را براي تص ميمگيرندگان ریسک بانکي در دنياي واقعي فراهم ميکند. س کناریوهاي ریسک نقدینگي به د ست آمده در مقای سه با سنار یوهاي رخ داده در بانک طبق د ستورالعمل کم يته بازل و نظر کار شنا سان بانک ي ارزیابي مي شوند تا از صحت پ يشبينيها و همسو یي آن اطمينان حاصل شود. نتيجه ارزیابي سنار یوهاي موردمطالعه بهصورت دورهاي حاکي از دقت نسبتاً بالا است. معيار دقت 1 پيشبيني در سککناریوهاي محتمل اسککتاراش شده از کميته بازل، 95.5 % و در سککناریوهاي برگرفته از نظرات خبرگان، 75 % است
پرونده مقاله
صنعت بازار خرده‌فروشی از جمله صنایع اثرگذار بر اقتصاد کشورها است که حیات آن وابسته به میزان رضایت و اعتماد مشتریان برای خرید از این بازارها می‌باشد. در چنین شرایطی صنعت بازار خرده‌فروشی در تلاش است تا بر اساس صفحات وب و پلتفرم‌های آنلاین شرایطی را برای ثبت نظرات و تعامل چکیده کامل
صنعت بازار خرده‌فروشی از جمله صنایع اثرگذار بر اقتصاد کشورها است که حیات آن وابسته به میزان رضایت و اعتماد مشتریان برای خرید از این بازارها می‌باشد. در چنین شرایطی صنعت بازار خرده‌فروشی در تلاش است تا بر اساس صفحات وب و پلتفرم‌های آنلاین شرایطی را برای ثبت نظرات و تعامل مشتریان با خرده‌فروشان فراهم آورد. زیرا تحلیل نظرات منتشر شده نه تنها در تعیین میزان رضایت مشتریان بلکه در بهبود و ارتقا محصولات نقش دارند. ازاینرو در سال‌های اخیر تکنیک‌های تحلیل احساسات به منظور تحلیل و خلاصه‌سازی نظرات، مورد توجه پژوهشگران در حوزه‌های مختلف به‌ویژه صنعت بازار خرده‌فروشی قرار گرفته است. ازاینرو در این پژوهش با هدف بهبود در نتایج استخراج ویژگی‌ها از متن نظرات فارسی و افزایش دقت تحلیل احساسات فارسی، یک چارچوب جدید برای تحلیل احساسات در سطح جمله، بر اساس BERT، مدل استخراج ویژگی CNN-BiLSTM و مدل طبقه‌بندی XGBoost پیشنهاد شده است. در نهایت نتایج پژوهش دقت 93.74% را برای طبقه‌بندی احساسات متن نظرات فارسی؛ بر اساس چارچوب پیشنهادی نشان می‌دهد که بر اساس آن می‌توان اذعان داشت، CNN-BiLSTM از جمله روش‌های قدرتمند در استخراج ویژگی‌ها از متن فارسی است که ضمن استخراج دقیق ویژگی‌ها، باعث افزایش دقت تحلیل احساسات فارسی نیز می‌گردد.
پرونده مقاله
تفسير محتوا با هدف تحليل احساس (سنجمان) راويان آن در شبكه‌هاي اجتماعي، به علت حساسيت محتوا از منظر نقشی که در اطلاع‌رساني و آگاهي‌رساني به آحاد و گروه‌هاي انساني دارد، از اهمیت ویژه‌ای برخوردار است. در اين مقاله، چارچوبي براي تحليل احساس بر روي محتواهاي پيچيده در شبكه ا چکیده کامل
تفسير محتوا با هدف تحليل احساس (سنجمان) راويان آن در شبكه‌هاي اجتماعي، به علت حساسيت محتوا از منظر نقشی که در اطلاع‌رساني و آگاهي‌رساني به آحاد و گروه‌هاي انساني دارد، از اهمیت ویژه‌ای برخوردار است. در اين مقاله، چارچوبي براي تحليل احساس بر روي محتواهاي پيچيده در شبكه اجتماعي ارائه مي‌شود كه با استفاده از قواعدی از نوع اگر-آنگاه كه در سطح انتزاع بالا تعريف شده‌اند، قادر است تا پيام مضموني مستتر در يك محتوا را براي كاربران شبكه‌هاي اجتماعي طبقه‌بندي نموده و از اين طريق آنان را در حد امكان با اصل محتوا آشنا سازد. طبق اين چارچوب، مواردي از قبيل لحن/ آهنگ اداي كلام، همبافت انتشار محتوا و گزاره‌هاي كليدي در متن محتوا، در بخش مقدم از قاعده اگر-آنگاه و طبقات ممكنه از پيام مستتر در يك محتوا، در بخش تالي از قاعده قرار مي‌گيرد. شايان ذكر است كه قواعد صورت‌بندی‌شده پيشنهادي برای تفسیر محتوا، مستقلّ از زبانی است که محتوا با آن بیان شده و این امر ناشی از خاصيت ذاتی مؤلفه‌هایی است که برای تفسیر محتوا مورد اتکا قرار می‌گیرند. آزمون طيف قابل ملاحظه‌اي از محتواهاي گوناگون در شبكه‌هاي اجتماعي حاكي از آن است كه چارچوب پیشنهادی از توانايي لازم براي تحليل احساس (سنجمان) راويان محتوا برخوردار است.
پرونده مقاله
