پیشینه تحقیق کاوش در نظرات و ابعاد و چالشهای آن دارای ۲۸ صفحه می باشد فایل پیشینه تحقیق به صورت ورد word و قابل ویرایش می باشد. بلافاصله بعد از پرداخت و خرید لینک دنلود فایل نمایش داده می شود و قادر خواهید بود آن را دانلود و دریافت نمایید . ضمناً لینک دانلود فایل همان لحظه به آدرس ایمیل ثبت شده شما ارسال می گردد.
فصل اول:مقدمه ۵
فصل دوم: مروری بر تحقیقات ۹
۲-۱-مروری بر تحقیقات انجام شده : ۹
۲-۲٫ چالشها و کارهای مرتبط با حوزهی کاوش در نظرات ۹
۲-۲-۱٫ شناسایی شخص صاحب نظر ۹
۲-۲-۲٫ تشخیص هدف نظر اظهارشده ۱۰
۲-۲-۳٫ درجهبندی نظر ۱۰
۲-۲-۴٫ جستجو و یافتن متون هدف ۱۱
۲-۲-۴-۱٫ تشخیص موضوع ۱۱
۲-۲-۴-۲٫ تشخیص زبان ۱۲
۲-۲-۴-۳٫ تشخیص وجود نظر ۱۲
۲-۲-۵٫ سطح مطالعهی گرایش احساس ۱۲
۲-۲-۶٫ منابع لغوی ۱۲
۲-۲-۷٫ مشخصههای استفادهشده در مطالعات قبلی ۱۳
۲-۲-۸٫ خلاصهسازی ۱۳
۲-۲-۹٫ وزندهی ۱۳
۲-۲-۱۰٫ شناسایی نظرات نامطلوب ۱۴
۲-۲-۱۱٫ پیشپردازشهای لازم بر روی متن ۱۴
۲-۳٫ ضعفهایی در مطالعات قبل که در راستای رفع آنها تلاش شده است ۱۵
فصل ۳:معماری پیشنهادی برای یک موتور جستجوی نظرات ۱۶
۳-۱٫ مقدمه ۱۶
۳-۲٫ واسط گرافیکی کاربر (GUI) ۱۶
۳-۳٫ مدیریتکنندهی جستجو (Search Manager) ۱۷
۳-۴٫ خلاصهساز نتایج (Summarizer) ۱۷
۳-۵٫ رتبهبند (Ranker) ۱۸
۳-۶٫ گسترشدهندهی پرسوجو (Query Expander) ۱۸
۳-۷٫ پایگاهدادهی اطلاعات تحلیلشده (Analyzed Info Database) ۱۸
۳-۸٫ خزش متمرکز (Focused Crawling) ۱۹
۳-۸-۱٫ شناسایی وجود احساس (Sentiment Identification) ۱۹
۳-۸-۲٫ تشخیص موضوع (Topic Detection) ۱۹
۳-۸-۳٫ تشخیص زبان (Language Detection) ۱۹
۳-۹٫ پایگاهدادهی اسناد خام (Database of Raw Docs) ۲۰
۳-۱۰٫ تجزیهوتحلیل دادهها (Data Analysis) ۲۰
۳-۱۰-۱٫ تشخیص هدف عقیده (Opinion Target Detection) ۲۰
۳-۱۰-۲٫ تشخیص شخص بیان کنندهی اظهارنظر (Opinion Holder Detection) ۲۰
۳-۱۰-۳٫ ردهبندی احساس (Sentiment Classification) ۲۰
۳-۱۰-۴٫ تشخیص نظرات نامطلوب (Spam Detection) ۲۰
۳-۱۰-۵٫ وزنگذاری نظر (Opinion Weighting) ۲۱
۳-۱۰-۶٫ تجزیهوتحلیل شبکههای اجتماعی (SNA) ۲۱
۳-۱۱٫ پیشپردازش اسناد و متون (Doc and Text Preprocessing) ۲۱
۳-۱۱-۱٫ استخراج جملات (Phrase Extraction) ۲۲
۳-۱۱-۲٫ قطعهبندی (Tokenization) ۲۲
۳-۱۱-۳٫ بررسی املا (Spell Checking) ۲۲
۳-۱۱-۴٫ ریشهیابی (Stemming) ۲۲
۳-۱۱-۵٫ نرمالسازی (Normalization) ۲۲
۳-۱۱-۶٫ تجزیه (Parsing) ۲۳
۳-۱۱-۷٫ برچسبگذاری اجزاء گفتار (POS Tagging) ۲۳
۳-۱۲٫ پایگاه دادهی اطلاعات پیشپردازششده (Preprocessed Data Database) ۲۳
مراجع و ماخذ ۲۵
۱- Huang S, Shen D, Feng W, Zhang Y, and Baudin C. 2009. Discovering clues for review quality from author’s behaviors on e-commerce sites. In Proceedings of the 11th International Conference on Electronic Commerce (ICEC). ACM, New York, NY, USA, 133-141.
۲- Esuli A and Sebastiani F. 2006. “SentiWordNet: A publicly available lexical resource for opinion mining”, in Proceedings of Language Resources and Evaluation (LREC).
۳- Baccianella A and Sebastiani F. 2010. SentiWordNet 3.0: An Enhanced Lexical Resource for Sentiment Analysis and Opinion Mining, in ‘Proceedings of the Seventh conference on International Language Resources and Evaluation (LREC), European Language Resources Association (ELRA), Valletta, Malta.
۴- Shimada K and Endo T. 2008. Seeing several stars: a rating inference task for a document containing several evaluation criteria. In Proceedings of the 12th Pacific-Asia conference on Advances in knowledge discovery and data mining (PAKDD). Springer-Verlag, Berlin, Heidelberg, 1006-1014.
۵- Jindal N and Liu B. 2008. Opinion spam and analysis. In Proceedings of the international conference on Web search and web data mining (WSDM). ACM, New York, NY, USA, 219-230.
۶- Lerman K, Goldensohn S, and McDonald R. 2009. Sentiment summarization: evaluating and learning user preferences. In Proceedings of the 12th Conference of the European Chapter of the Association for Computational Linguistics (EACL). Association for Computational Linguistics, Stroudsburg, PA, USA, 514-522.
۷- Zhang Z and Varadarajan B. 2006. Utility scoring of product reviews. In Proceedings of the 15th ACM international conference on Information and knowledge management (CIKM). ACM, New York, NY, USA, 51-57.
۸- Awadallah R, Ramanath M, and Weikum G. 2011. OpinioNetIt: understanding the opinions-people network for politically controversial topics. In Proceedings of the 20th ACM international conference on Information and knowledge management (CIKM), Bettina Berendt, Arjen de Vries, Wenfei Fan, Craig Macdonald, Iadh Ounis, and Ian Ruthven (Eds.). ACM, New York, NY, USA, 2481-2484.
۹- Goujon B. 2011. Text Mining for Opinion Target Detection. In Proceedings of the European Intelligence and Security Informatics Conference (EISIC). IEEE Computer Society, Washington, DC, USA, 322-326.
۱۰-Lim E, Nguyen V, Jindal N, Liu B, and Lauw H. 2010. Detecting product review spammers using rating behaviors. In Proceedings of the 19th ACM international conference on Information and knowledge management (CIKM). ACM, New York, NY, USA, 939-948.
۱۱- Jindal N, Liu B, and Lim E. 2010. Finding unusual review patterns using unexpected rules. In Proceedings of the 19th ACM international conference on Information and knowledge management (CIKM). ACM, New York, NY, USA, 1549-1552.
اطلاع از نظر دیگران از نقطهنظرات گوناگون دارای اهمیت فراوانی است. تصور کنید که قصد دارید کالا یا خدماتی را خریداری کنید. آگاهی از نظر مثبت یا منفی افرادی که قبلا آن کالا یا خدمات را خریداری کردهاند چقدر برای شما اهمیت دارد؟ آیا نظر آنها میتواند بر تصمیم شما تاثیرگذار باشد؟ اگر یک شرکت خدماتی داشتید به چه میزان علاقهمند به اطلاع از نظر مخاطبین خود در رابطه با مطلوبیت یا عدم مطلوبیت خدمات خود بودید؟ آیا اطلاع از نظر آنها در اتخاذ تصمیمات بهتر به شما کمک میکرد؟ اگر یک کاندیدای انتخاباتی بودید تمایل داشتید تا از اقبال یا عدم اقبال رایدهندگان نسبت به خود خبر داشته باشید؟
اگر به اطرافمان نگاه کنیم میبینیم که افراد حقیقی و حقوقی گوناگون از شرکتهای بزرگ و سیاستمداران گرفته، تا افراد عادی جامعه در تصمیمات کوچک و بزرگ خود تحت تاثیر نظرات دیگران قرار دارند. طبیعتاً در چنین وضعیتی اطلاع از نظرات افراد اهمیت فراوانی پیدا میکند.
از طرف دیگر با ظهور وب و گسترش مشارکت کاربران در سالهای اخیر بهخصوص با ظهور پدیدههایی مثل وبلاگها[۱] و شبکههای اجتماعی[۲]، و تمایل کاربران برای اظهار و به اشتراکگذاری نظرات خود پیرامون مسائل مختلف، شاهد حجم انبوهی از نظرات مکتوبی هستیم که هرگز تاکنون با این حجم، تنوع، و آسانی در دسترس قرار نداشتهاند. این موضوع بههمراه اهمیت ذکرشده در مورد اطلاع از نظر دیگران توجه محققین علوم کامپیوتر بویژه محققین حوزهی دادهکاوی[۳] را بهخود جلب کرده است و موجب شکلگیری حوزهای جدید تحت عنوان “کاوش در نظرات[۴]” گردیده است. بر اساس [۱] شاید بتوان سال ۲۰۰۱ میلادی را نقطهی عطفی برای این توجهات دانست.
به مرور زمان ابعاد گوناگون جدیدی در حوزهی کاوش در نظرات نمایان گشتند و تحقیقات متنوعی در رابطه با هر یک از این ابعاد شکل گرفتند. به عنوان نمونه نیاز به اطلاع از هویت و مشخصات شخصی که یک نظر را اظهار کرده است مثلا برای تعیین میزان سودمندی آن اظهار نظر، و یا نیاز به تشخیص نظراتی که برای اهداف نامطلوب (از قبیل تبلیغات جهتدار بهنفع یا برعلیه یک کالا) درج شدهاند از جملهی این ابعاد هستند. مروری بر تحقیقات انجامشده در حوزهی کاوش در نظرات را میتوان در [۱] و [۲] دید. در بخش بعدی به معرفی ابعاد گوناگون این حوزه و نیز چالشهای مشترک این حوزه با حوزههای دیگر متنکاوی[۵] (نظیر قطعهبندی متن[۶] و برچسب زدن اجزاء گفتار[۷]) خواهیم پرداخت.
در [۲] مجموعهای از اجزای مهم یک نظر[۱] در غالب یک مجموعهی پنجتایی (شامل شخص بیان کننده، موجود[۲] مورد اظهارنظر، زیرموجود یا ویژگی آن موجود که از آن با تعیبر جنبه[۳] یاد میشود، تاریخ، و جهت عقیده[۴]) معرفی شده است. البته امکان عدم نیاز به برخی از این اجزاء در کاربردهای خاص و یا امکان افزوده شدن اجزاء دیگر به این مجموعه نیز ذکر شده است. علاوهبر تلاش برای شناسایی این اجزاء، چالشها و مسائل مرتبط دیگری پیش روی محققین حوزهی اکتشاف در نظرات قرار دارند که تحقیقاتی برای مواجهه با آنها انجام گرفته است. از جملهی این مسائل عبارتند از : ارزیابی شدت احساس و گرایش، ارزشگذاری بر روی نظرات مختلف، ایجاد منابعلغوی[۵] برای استفاده در حل مسئله، پیشپردازشهای[۶] متنی لازم برای استخراج مشخصهها، کشف نظرات نامطلوب[۷] و … . در این بخش به معرفی مسائل و چالشهای مرتبط با این حوزه و برخی مطالعات انجام گرفته در رابطه با آنها میپردازیم. در پایان نیز به بیان نقاط ضعفی که در تحقیقات انجامشده وجود داشته است و کار انجامشده در این نوشتار در راستای رفع آنها بوده است خواهیم پرداخت.
بدلایل مختلف اطلاع از هویت شخص اظهارنظر کننده میتواند حائز اهمیت باشد. به عنوان مثال لحاظ کردن میزان تجربه و تخصص شخص در رابطه با موضوع میتواند در جهت تعیین میزان ارزش آن اظهار نظر کمککننده باشد، یا سابقهی شخص میتواند برای شناسایی نظراتی که با اهداف جانبدارانه جعل و منتشر میشوند بکار گرفته شود. [۳]، [۴]، و [۵] نمونههایی از کارهای انجامشده در این رابطه هستند.
[۱] Opinion
[۲] Entity
[۳] Aspect
[۴] Opinion Orientation
[۵] Lexical Resource
[۶] Preprocessing
[۷] Spam Review
[۱] Weblog
[۲] Social Network
[۳] Data Mining
[۴] Opinion Mining
[۵] Text Mining
[۶] Tokenization
[۷] Pos Tagging
تمامی فایل های پیشینه تحقیق و پرسشنامه و مقالات مربوطه به صورت فایل دنلودی می باشند و شما به محض پرداخت آنلاین مبلغ همان لحظه قادر به دریافت فایل خواهید بود. این عملیات کاملاً خودکار بوده و توسط سیستم انجام می پذیرد. جهت پرداخت مبلغ شما به درگاه پرداخت یکی از بانک ها منتقل خواهید شد، برای پرداخت آنلاین از درگاه بانک این بانک ها، حتماً نیاز نیست که شما شماره کارت همان بانک را داشته باشید و بلکه شما میتوانید از طریق همه کارت های عضو شبکه بانکی، مبلغ را پرداخت نمایید.
ارسال نظر