دانلود مقاله ترجمه شده طبقه‌بندی گروه‌های‌سنی در شبکه‌های اجتماعی با استفاده از یادگیری‌عمیق


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2007441 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
قیمت :
1,270,000 ریال
شناسه محصول :
2007441
سال انتشار:
2017
حجم فایل انگلیسی :
3 Mb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

طبقه‌بندی گروه‌های‌سنی در شبکه‌های اجتماعی با استفاده از یادگیری‌عمیق

عنوان انگليسي

Age Groups Classification in Social Network Using Deep Learning

نویسنده/ناشر/نام مجله

IEEE Access

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 12 صفحه انگلیسی به صورت پی دی اف و 30 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی


چکیده

شبکه‌های اجتماعی حجم وسیعی از داده‌ها را در بر می‌گیرند، اما اغلب کاربران برخی از اطلاعات شخصی خود، مانند جنسیت، سن و برخی متغیرهای جمعیتی را به آنها ارائه نمی‌کنند. گرچه تجزیه و تحلیل احساسات بر روی چنین داده‌هایی برای تولید برنامه‌های کاربردی مفید است، اما در این نوع تحلیل‌ها، به دلیل محدودیت تعداد کلمات موجود در لغتنامه و یا به دلیل پارامترهای متنوعی که وجود دارند می‌توانند احساسات را در یک جمله تحت تاثیر قرار دهند؛ بنابراین، با در نظر گرفتن داده‌های پروفایل کاربران و خصوصیات نوشتن آنها، می‌توان نتایج قابل اعتمادتری کسب کرد. این تحقیق بیانگر یکی از مهمترین پارامترهای موجود در پروفایل کاربر، یعنی گروه‌سنی است که نشان دهنده رفتارهای معمول کاربران در گروه‌های‌سنی مشابه است. به ویژه، زمانی که کاربران در مورد یک موضوع خاص بنویسند. تجزیه و تحلیل دقیق با 7000 جمله انجام شده مشخص کرده که  کدام ویژگی‌ها مناسب هستند، مانند استفاده از نشانه گذاری، تعداد کاراکتر‌ها، اشتراک‌گذاری رسانه‌ها، عناوین، و ...؛ و اینکه کدام یک برای طبقه‌بندی گروه‌های‌سنی می‌توانند نادیده گرفته شوند. الگوریتم‌های یادگیری مختلفی برای طبقه‌بندی گروه‌های‌سنی نوجوانان و بزرگسال آزمایش شدند و شبکه عصبی عمیق کانولوشن بهترین عملکرد را بدست آورد و به دقت 0.95 در آزمون اعتبار سنجی دست یافت. علاوه بر این، به منظور  تنفیذ سودمندی مدل پیشنهادی، مفهوم سنجش شدت احساسات (eSM) اجرا شده است. در اعتبار سنجی کارایی، آزمون‌های ذهنی انجام می‌شود و مدل eSM با مدل پیشنهادی به میانگین مربع خطا و ضریب همبستگی پیرسون به ترتیب 0.25 و 0.94، بالاتر از متریک eSM دست یافت، درحالی که اطلاعات گروه‌سنی در دسترس نبودند.

۱-مقدمه

امروزه، با استفاده مداوم از اینترنت، کاربران ساعت‌ها در حال بازدید از سایت‌های تجارت الکترونیک، خواندن اخبار و بیان نظرات و احساسات خود را در قالب کامنت در شبکه‌های اجتماعی در مورد موضوعات مختلف هستند. این نظرات را می‌توان برای ارزیابی رضایت مشتری ارزیابی کرد که اطلاعاتی بسیار مفید برای ارائه‌دهندگان خدمات و تامین کنندگان محصول است.  گلدسمیت و همکاران [1] رفتار افراد در استفاده از اینترنت برای تجارت الکترونیک را بررسی نموده و بر اهمیت ارزیابی رضایت مشتری در این نوع خدمات تأکید کردند....

 شبکه های اجتماعی یادگیری‌ عمیق یادگیری ماشین :کلمات کلیدی

چکیده انگلیسی


Abstract

Social networks have a large amount of data available, but often, people do not provide some of their personal data, such as age, gender, and other demographics. Although the sentiment analysis uses such data to develop useful applications in people's daily lives, there are still failures in this type of analysis, either by the restricted number of words contained in the word dictionaries or because they do not consider the most diverse parameters that can influence the sentiments in a sentence; thus, more reliable results can be obtained, if the users profile information and their writing characteristics are considered. This research suggests that one of the most relevant parameter contained in the user profile is the age group, showing that there are typical behaviors among users of the same age group, specifically, when these users write about the same topic. A detailed analysis with 7000 sentences was performed to determine which characteristics are relevant, such as, the use of punctuation, number of characters, media sharing, topics, among others; and which ones can be disregarded for the age groups classification. Different learning machine algorithms are tested for the classification of the teenager and adult age group, and the deep convolutional neural network had the best performance, reaching a precision of 0.95 in the validation tests. Furthermore, in order to validate the usefulness of the proposed model for classifying age groups, it is implemented into the enhanced sentiment metric (eSM). In the performance validation, subjective tests are performed and the eSM with the proposed model reached a root mean square error and a Pearson correlation coefficient of 0.25 and 0.94, respectively, outperforming the eSM metric, when the age group information is not available

 Keywords: Social network services sentiment analysis machine learning text analysis
این برای گرایش های: نرم افزار،فناوری اطلاعات، کاربرد دارد. سایر ،سایر ، را ببینید. [ برچسب: ]
مقاله مهندسی کامپیوتر و IT با ترجمه

سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه شبکه اجتماعی

Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی کامپیوتر و IT > مقاله های مهندسی کامپیوتر و IT و ترجمه فارسی آنها > طبقه‌بندی گروه‌های‌سنی در شبکه‌های اجتماعی با استفاده از یادگیری‌عمیق
چرا پورتال پویان؟
ضمانت خدمات
حق مالکیت معنوی سفارشات
امکان پرداخت قسطی هزینه ها
امکان تحویل چند مرحله ای سفارش
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
نمایش مقالات موضوع بندی شده
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید
دعوت به همکاری
تکمیل فرم همکاری جهت فروش فایل
وبلاگ ها
آموزش ترجمه و زبان ( 8 )
آموزش مقاله نویسی ( 21 )
نکات و آموزش دانشگاهی ( 1 )
عکس نوشته انگلیسی ( 104 )