مقاله انگلیسی رایگان در مورد بالا بردن میزان کشف اطلاعات اجتماعی توسط تکنیک های تحلیل احساسات – الزویر ۲۰۱۹

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله بالا بردن میزان کشف اطلاعات اجتماعی توسط تکنیک های تحلیل احساسات
عنوان انگلیسی مقاله Social information discovery enhanced by sentiment analysis techniques
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی  ۱۳ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) scopus – master journals – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۵٫۳۴۱ در سال ۲۰۱۷
شاخص H_index ۸۵ در سال ۲۰۱۹
شاخص SJR ۰٫۸۴۴ در سال ۲۰۱۷
شناسه ISSN ۰۱۶۷-۷۳۹X
شاخص Quartile (چارک) Q1 در سال ۲۰۱۷
رشته های مرتبط مهندسی کامپیوتر – مهندسی فناوری اطلاعات
گرایش های مرتبط  الگوریتم و محاسبات – سامانه های شبکه ای
نوع ارائه مقاله
ژورنال
مجله / کنفرانس سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
دانشگاه Dipartimento di Ingegneria dell’Informazione, Università Politecnica delle Marche, via Brecce Bianche, 60131 Ancona, Italy
شناسه دیجیتال – doi
https://doi.org/10.1016/j.future.2018.01.051
کد محصول E12032
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Outline
Highlights
Abstract
۱٫ Introduction
۲٫ Related work
۳٫ The social information discovery system
۴٫ Sentiment analysis
۵٫ Implementation
۶٫ Evaluation
۷٫ Conclusion
References

بخشی از متن 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.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *