دانلود مقاله و خرید ترجمه:کلاس بندی احساسات در فارسی: معرفی یک روش مبتنی بر اطلاعات متقابل برای انتخاب ویژگی
بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیشنهادات ویژه
پکیج ویژه مقالات محاسبات ابری
پکیج ویژه مقالات زنجیره تامین
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده داده کاوی
  • کلاس بندی احساسات در فارسی: معرفی یک روش مبتنی بر اطلاعات متقابل برای انتخاب ویژگی

    سال انتشار:

    2013


    ترجمه فارسی عنوان مقاله:

    کلاس بندی احساسات در فارسی: معرفی یک روش مبتنی بر اطلاعات متقابل برای انتخاب ویژگی


    عنوان انگلیسی مقاله:

    Sentiment Classification in Persian: Introducing a Mutual Information-based Method for Feature Selection


    منبع:

    978-1-4673-5634-3/13/$31.00 ©2013 IEEE


    نویسنده:

    Ayoub Bagheri, Mohamad Saraee, and Franciska de Jong


    چکیده انگلیسی:

    With the enormous growth of online reviews in Internet, sentiment analysis has received more and more attention in information retrieval and natural language processing community. Up to now there are very few researches conducted on sentiment analysis for Persian documents. This paper considers the problem of sentiment classification for online customer reviews in Persian language. One of the challenges of Persian language is using of a wide variety of declensional suffixes. Another common problem of Persian text is word spacing. In Persian in addition to white space as interwords space, an intra-word space called pseudo-space separates word’s part. One more noticeable challenge in customer reviews in Persian language is that of utilizing many informal or colloquial words in text. In this paper we study these challenges by proposing a model for sentiment classification of Persian review documents. The proposed model is based on a lemmatization approach for Persian language and is employed Naive Bayes learning algorithm for classification. Additionally we present a new feature selection method based on the mutual information method to extract the best feature collection from the initial extracted features. Finally we evaluate the performance of the model on a manually gathered collection of cellphone reviews, where the results show the effectiveness of the proposed model.
    Keywords: Sentiment classification | Sentiment analysis | Persian language | Feature Selection | Mutual information.


    چکیده فارسی:

    با رشد هنگفت بازدیدهای آنلاین در اینترنت، تحلیل احساسات توجه بیش تر و بیش تری را در جامعه بازیابی اطلاعات و پردازش زبان طبیعی به خود جلب کرده است. تا حالا تحقیقات کمی در حوزه تحلیل احساسات برای اسناد فارسی انجام شده‌ است. این مقاله به مسئله کلاس‌بندی احساسات برای بازبینی‌های آنلاین کاربران در زبان فارسی می‌پردازد. یکی از چالش‌های زبان فارسی، استفاده گسترده از پسوندها است. یکی دیگر از مشکلات متون فارسی فاصله کلمات است. در زبان فارسی علاوه بر فاصله سفید بعنوان فاصله بین کلمات، یک فاصله درون کلمه ای دیگر با نام شبه فاصله (نیم فاصله)، بخش‌های کلمه را از هم جدا می‌کند. یک چالش مورد توجه در بازبینی کاربران در زبان فارسی، استفاده از تعداد زیادی از کلمات غیر رسمی یا محاوره‌ای در متن است. ما در این مقاله این چالش‌ها را با معرفی مدلی برای کلاس‌بندی احساسات اسناد بازبینی فارسی، مورد مطالعه قرار می‌دهیم. مدل پیشنهاد شده بر اساس یک رویکرد تفسیری برای زبان فارسی بوده و از الگوریتم یادگیری بیزین ساده برای کلاس‌بندی استفاده می‌کند. بعلاوه ما یک روش انتخاب ویژگی جدید بر اساس روش اطلاعات متقابل به‌منظور استخراج بهترین دسته ویژگی ها از میان ویژگی‌هایی است که قبلا استخراج شده‌اند. در نهایت، ما کارایی مدل فوق را بر روی مجموعه ای از بازبینی‌های تلفن‌های همراه جمع‌آوری شده بصورت دستی، ارزیابی می‌کنیم که نتایج نشان‌دهنده کارایی مدل معرفی شده هستند.
    کلمات کلیدی: کلاس‌بندی احساسات | تحلیل احساسات | زبان فارسی | انتخاب ویژگی| اطلاعات متقابل.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 6
    تعداد صفحات فایل doc فارسی: 22

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 202 کیلوبایت


    قیمت: 25000 تومان  22500 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-کاوی
موضوعات
footer