حجم بالا و فقدان ساختار مناسب برای متن نظرات ارائه شده روی بستر وب، استفاده از دانش پنهان درون آنها را دشوار کرده است. بنابراین ارائه روش هایی که بتواند این دانش را به صورت خلاصه و ساختار یافته آماده کرده و در اختیار ما قرار دهد حائز اهمیت است.
انتشار گسترده شبکه هاى اجتماعى و نقش آنها در جامعه مدرن، یکى از جالب ترین موارد نوآورى در سال هاى اخیر محسوب می شود که توجه محققان، روزنامه نگاران، شرکت ها و حتی دولت ها را به خود جلب کرده است.
تجزیه و تحلیل احساسات، حوزه ای از پژوهش های پردازش زبان طبیعی و یک ابزار قوی و فرآیند هوشمند استخراج احساسات و عواطف کاربران است.
تحلیل احساسات در شبکه هاى اجتماعى در درجه نخست، پژوهشگران علوم کامپیوتر، ریاضیات و مهارت هاى آمارى دانشگاه و صنعت را راهنمایى مى کند. ضمن اینکه، محققان دانشگاهى مى توانند راه حل هاى نوآورانه منظمى در زمینه دانش متمرکز ایجاد کنند.
ازسوى دیگر، شرکت ها و سازمان ها مى توانند از مزایاى جدیدترین وضعیت فرآیندهاى نوآورى، محصولات و خدمات استفاده کنند تا رقابت آنها افزایش یابد.
داده هاى شبکه، اگر به درستى جمع آورى و تحلیل شوند، به درک و توضیح بسیارى از پدیده هاى پیچیده اجتماعى و نیز پیش بینى آنها یارى مى رساند. ارائه نمادها، مدل ها و الگوریتم ها نیز می تواند در این زمینه مفید واقع شود.
تجزیه و تحلیل احساسات، حوزه ای از پژوهش های پردازش زبان طبیعی و یک ابزار قوی و فرآیند هوشمند استخراج احساسات و عواطف کاربران است.
در پژوهشی تحت عنوان «مروری بر تحلیل احساسات شبکه های اجتماعی در حوزه قطبیت»، مقاله هایی را که از روش های یادگیری ماشین و یک روش ترکیبی و همچنین از سطح طبقه بندی تحلیل احساسات جمله و سند استفاده کرده اند، باهم مقایسه شده اند.
بر اساس این گزارش، این پژوهش که در پنجمین کنفرانس وب پژوهی ارائه شد توسط مریم یوسفی متقاعد و هادی صبوحی از دانشکده مکاترونیک، دانشگاه آزاد اسلامی واحد کرج، تالیف شده است.
No tags for this post.