• فهرست مطالب:

چکیده
1. مقدمه
2. حقایق پایه در مورد NKRL
1. 2هستی شناسی مفاهیم و رویدادها
2. 2 مثال اول
3. تحلیل احساسات و الگوها و نمونه های NKRL
1. 3 الگوهای Behave
2. 3 جنبه های “رفتاری” در الگوهای شاخه های HTemp باقیمانده
3. 3 یک مثال کلی در زمینه تحلیل احساسات
4. جنبه های استنباطی/ پرس و جو
5. کارهای مرتبط
6. نتیجه گیری

• بخشی از ترجمه:

6. نتیجه گیری
حوزه “تحلیل احساسات” (عقیده کاوی) با کلیه کاربردها و برنامه هایی سرو کار دارد که سعی می کنند “اطلاعات ذهنی” را شناسایی و (عقاید، باورها، حالتهای هیجانی و احساسی و نظرات مربوط به موجودیت های خاص) و ازمطالب منبع استخراج کنند. در این مقاله، بر جنبه های بنیادی تولید واستنتاج اطلاعات ذهنی مرتبط با “رفتار” روزمره (در عمومی ترین معنا) شخصیت های انسانی و غیر انسانی تاکید کرده ایم.
سپس کلیاتی از زبان نمایش دانش، NKRL مطرح کرده ایم که با این رفتار در صورت بروز به شکل “روایت های” بلادرنگ و غیر ساختگی مقابله می کند. اینها توالی های ساختاریافته زمانی و منطقی ازرویدادهای اولیه هستند که شبیه به ساختارهای اطلاعاتی مقید فضایی –زمانی سطح بالا مثل “سناریوها”، “موقعیت ها” ، “رویدادهای پیچیده” و … عمل می کنند. پس از ارائه اصول معنایی و نحوی پایه NKRL، در مورد الگوهای نشان دهنده علاقه اصلی زبان از دیدگاه تحلیل احساسات بحث کرده ایم( به ویژه الگوهایBehave:). راجع به روشهای استنباطی مورد استفاده در یک زمینه NKRL، نیز به طور مختصر بحث شده است.

• بخشی از مقاله انگلیسی:

6. Conclusion

The ‘‘sentiment analysis’’ (opinion mining) domain concerns all those applications that try to identify and extract ‘‘subjective information’’ (opinions, beliefs, emotional states and views about specific entities) from source materials. In this paper, we have focused our attention on the fundamental aspects of production and fruition of subjective information that are associated with the everyday ‘‘behavior’’ (in the most general meaning of this term) of human and non-human characters. We have then supplied an extremely condensed overview of a knowledge representation language, NKRL, which deals with this behavior when it is expressed in the form of non-fictional and real-time ‘‘narratives’’. These are logically and temporally structured sequences of elementary events, similar then to other high-level, spatio-temporally constrained information structures like ‘‘scenarios’’, ‘‘situations’’, ‘‘complex events’’, etc. After having supplied the basic syntactic and semantic principles of NKRL, we have discussed in depth the templates (the Behave: templates in particular) that represent the main interest of the language from a sentiment analysis point of view. The inference procedures that can be used in an NKRL context have also been briefly discussed.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله استفاده از زبان نمایش دانش روایتی برای آنالیز احساسات – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

• بخشی از ترجمه:

چکیده
شرکت‌های صنعتی و تولیدی که محصولات جدید تولید می‌کنند، می‌خواهند بدانند مشتریانشان چه احساسی نسبت به این محصولات دارند و این اطلاعات را می‌توان با مطالعه‌ی عقیده‌ها در پورتال‌های نظرسنجی بدست آورد. در عین حال، کاربران یا مشتریان نیز می‌خواهند بدانند کدام محصول را بخرند پس این نظرات را می‌خوانند و سعی می‌کنند تصمیم‌گیری کنند. دیده شده است که عقیده‌های آنلاین روز به روز محبوب‌تر می‌شوند و این عقاید، غنی بودن اطلاعات را نشان می‌دهند که می‌تواند برای صنعت و مشتریان مفید باشد.با این حال، اینجام این کار به صورت دستی سخت و زمانبر است. به عنوان مثال، سازمان‌های تولیدی ترجیح می‌دهند اطلاعات به فرمتی باشد که برای استفاده راحت‌تر باشد، پس اتوماتیک کردن این فرایند بسیار مفید است. اینجاست که عقیده کاوی به میان می‌آید. در وب، عقاید را می‌توان به فرم متن، تصویر، صوت یا داده‌ی ویدئویی بیان کرد. این مقاله از متن کاوی فاصله می‌گیرد چون در این زمینه بسیار کار شده است. عقیده کاوی را می‌توان یک زیر اصل از زبان شناسی محاسباتی تعریف کرد که با عقیده‌ای که یک سند بیان می‌کند در ارتباط است. طبقه‌بندی احساسات تعیین کننده‌ی ذهنیت، قطبیت (مثبت و منفی) و قدرت قطبیت (مثبت ضعیف، مثبت میانه و مثبت قوی) یک متن عقیده است. عبارات مختلفی توسط محققان استفاده می‌شود تا احساسات را طبقه‌بندی کنند: عقیده کاوی، تحلیل احساسات، استخراج احساسات یا رتبه‌بندی کارا. ما در این مقاله برای سادگی از عبارات عقیده کاوی که همه‌ی این عبارات را دربر می‌گیرد استفاده می‌کنیم.
١.زمینه‌های مرتبط با عقیده کاوی
استخراج اطلاعات (IE): آیا تبدیل اطلاعات متنی بدون ساختار به فرمت ساخت‌یافته که عموماً در پایگاه داده‌ها ذخیره و برای اهداف داده کاوی استفاده می‌شود، بر اساس یادگیری زبان ماشین است. داده‌های خاص، استخراج و در قالب موجود قرار می‌گیرند. این کار دقت اطلاعات بازیافتی را بهبود می‌بخشد و می‌تواند به عنوان پایه‌ای برای گروه‌بندی داده‌های استخراج شده استفاده شود.

• بخشی از مقاله انگلیسی:

Abstract

This paper critically evaluates existing work, presents an opinion mining framework and exposes new areas of research in opinion mining. Individuals, businesses and government can now easily know the general opinion prevailing on a product, company or public policy. At the core of this field is semantic orientation of subjective terms in documents or reviews which seeks to establish their contextual connotation through opinion mining. Overall item sentiment can be expressed based on its sentiment words in general or by specifically identifying its features and the opinions being expressed about them. This leads us to the motivation of the framework for opinion mining and categorizing current literature in such a manner as to make clear, research opportunities. The freedom offered by the web as a platform for presenting opinions on any subject brings with it many new opportunities.

INTRODUCTION

Industry or manufacturing companies that produce new products want to know how their customers feel about these products and this information can be acquired by studying opinions from review portals [2]. At the same time, users or consumers want to know which product to buy so they also read reviews and try to make their decisions. It has been seen that online opinions are getting popular day by day and these opinions represent wealth of information which can be beneficial for the industry as well as consumers [1]

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود مقاله ترجمه شده بررسی حالت نظرکاوی هنری و دامنه کاربرد آن – مجله IEEE اولین بار در ترجمه فا پدیدار شد.

• بخشی از مقاله فارسی:

چکیده
عقاید دیگران در موقع تصمیم‌گیری یا انتخاب یک گزینه از میان چندین گزینه می‌تواند بسیار حیاتی باشد. وقتی این گزینه‌ها حاوی منابع ارزشمند باشند (برای مثال صرف زمان و هزینه برای خرید محصولات یا سرویس‌ها)، مردم اغلب به تجربیات قبلی خود تکیه می‌کنند. قبلاً منابع مهم اطلاعاتی، دوستان و مجلات و وبسایت‌های تخصصی بودند. حالا وب‌ اجتماعی ابزار جدیدی برای ساخت و به اشتراک‌گذاری ایده‌ها با افراد متصل به شبکه‌ی جهانی وب فراهم می‌کنند. انجمن‌ها، بلاگ‌ها، شبکه‌های اجتماعی و سرویس‌های اشتراک محتوا به مردم در اشتراک‌گذاری اطلاعات مفید کمک می‌کند. این اطلاعات ساختیافته نیستند اما بخاطر اینکه برای مصارف انسانی تولید شده‌اند، قابل پردازش توسط ماشین نیستند. دریافت عقاید عمومی درباره‌ی رویدادهای اجتماعی، فعالیت‌های بازاریابی و اولویت‌های محصول، علاقه‌ی جوامع علمی و جهان تجارت را به خود جلب کرده است. زمینه‌های ادغام شده‌ی حاصل عقیده کاوی و تحلیل احساسات است. با وجود اینکه این دو عبارت معمولاً به جای یکدیگر استفاده می‌شوند عقیده کاوی و تحلیل احساسات به ترتیب روی تشخیص تمایلات و درک احساسات تمرکز دارند. به دلیل اینکه شناسایی احساسات برای تشخیص تمایلات استفاده می‌شود با این حال دو زمینه معمولاً زیر یک چتر ترکیب می‌شوند و حتی به عنوان هم معنی از آن‌ها یاد می‌شود. هر دو از تکنیک‌های داده کاوی و پردازش زبان طبیعی (NLP) برای کشف، بازیابی و استفاده از اطلاعات و عقاید در شبکه‌ی جهانی وب استفاده می‌کنند.
احساس و عقیده کاوی از زبان طبیعی، چالش برانگیز است زیرا نیاز به درک عمیقی از قوانین آشکار و ضمنی، منظم و نامنظم و نحوی و معنایی زبان دارد. تحقیقات تحلیل احساسات با مشکلات حل‌ نشده‌ی NLP دست و پنجه نرم می‌کند: وضوح هم ارجاعی، کنترل نفی، وضوح تکرار و وضوح حساس به کلمه. عقیده کاوی یک مسئله‌ی بسیار محدود NLP است زیرا سیستم فقط نیاز به درک احساسات مثبت و منفی از هر جمله و موجودیت‌ها و موضوعات مقصد دارد. بنابراین تحلیل احساسات یک فرصت برای محققان NLP است تا پیشرفت در همه‌ی زمینه‌های NLP و تأثیر عملی را ملموس‌تر کنند.

• بخشی از مقاله انگلیسی:

ABSTRACT

thers’ opinions can be crucial when it’s time to make a decision or choose among multiple options. When those choices involve valuable resources (for example, spending time and money to buy products or services) people often rely on their peers’ past experiences. Until recently, the main sourcesof information were friends and specialized magazine or websites. Now, the “social web” provides new tools to efficiently create and share ideas with everyone connected to the World Wide Web. Forums, blogs, social networks, and content-sharing services help people share useful information. This information is unstructured, however, and because it’s produced for human consumption, it’s not something that’s “machine processable.” Capturing public opinion about social events, political movements, company strategies, marketing campaigns, and product preferences is garnering increasing interest from the scientific community (for the exciting open challenges), and from the business world (for the remarkable marketing fallouts and for possible financial market prediction). The resulting emerging fields are opinion mining and sentiment analysis. Although commonly used interchangeably to denote the same field of study, opinion miningand sentiment analysis actually focus on polarity detection and emotion recognition, respectively. Because the identification of sentiment is often exploited for detecting polarity, however, the two fields are usually combined under the same umbrella or even used as synonyms. Both fields use data mining and natural language processing (NLP) techniques to discover, retrieve, and distill information and opinions from the World Wide Web’s vast textual information.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود مقاله ترجمه شده راه های نوین در OM و آنالیز احساسات – مجله IEEE اولین بار در ترجمه فا پدیدار شد.

• بخشی از مقاله فارسی:

چکیده
عقیده کاوی (OM) یک زمینه‌ی تحقیقاتی جدید و نو ظهور است که با بازیابی اطلاعات و استخراج دانش از متن با استفاده از داده کاوی (DM) و پردازش زبان طبیعی (NLP) سروکار دارد. هدف OM این است که کامپیوتر را قادر سازیم که بتواند احساسات را تشخیص و بیان کند. دید یا رفتاری که بر اساس احساسات باشد به جای منطق، احساس گفته می‌شود. بنابراین OM به تحلیل احساسات نیز معروف است. سازمان‌های تجاری پول زیادی را صرف مشاوران و محققان کرده‌اند تا احساسات و عقاید مشتریان را در مورد محصولاتشان بدانند. به طور مشابه، افراد نیز به عقاید دیگران در مورد محصولات، خدمات، موضوعات و رویدادها برای یافتن بهترین انتخاب‌ها علاقه‌مند هستند. این نوع تحقیقات برای جمع‌آوری از میان انجمن‌های وب، بلاگ‌ها، گروه‌های گفتگو و جعبه‌های نظرات در حال حاضر بسیار آسان شده است. عقیده را می‌توان از هر شخص در مورد هر چیزی در جهان را می‌توان از طریق سایت‌های نظرسنجی، بلاگ‌ها و گروه‌های گفتگو و … به دست آورد. استخراج اطلاعات و کشف دانش یک زمینه‌ی مهم تحقیقاتی است. مسئله‌ی استخراج دانش از شبکه‌ی جهانی، چالش برانگیزتر است زیرا داده‌های ذخیره شده در وب بسیار طبیعت پویایی دارند. داده‌ها به دلیل بروزرسانی‌های دائمی و افزودن اطلاعات جدید در هر لحظه به سرعت در حال تغییر هستند. می‌توان از وبسایت‌ها برای برنامه‌های مختلفی استفاده کرد. یکی از این برنامه‌های مهم وب، جمع‌آوری عقاید و استخراج الگوهای معنادار از آن‌هاست. در حین فرایند تصمیم‌گیری، اکثر ما از دیگران کمک می‌گیریم. این یک پدیده‌ی طبیعی است که یک تصمیم خوب بر اساس عقیده‌ی دیگران به دست می‌آید. قبل از شبکه‌ی جهانی وب، از عقیده‌ها به طور شفاهی یا توسط کلمات به اشتراک گذاشته می‌شد و ما مجبور بودیم از دوستان خود در مورد اینکه کدام آیتم از دیگران بهتر است سوال کنیم یا بخواهیم توضیح دهد که کدام ویژگی یک آیتم خوب و کدام بد است. با پیدایش شبکه‌ی جهانی وب، اشتراک‌گذاری دانش و کسب مزیت از تجربیات دیگران، ممکن شد. امروزه بیش از ٧۵٠٠٠ بلاگ جدید با ١.٢ میلیون پست جدید روزانه ساخته می‌شود و ۴٠ درصد مردم در جهان مدرن به نظرات، عقاید و توصیه‌های جمع‌آوری شده از بلاگ‌ها، انجمن‌ها و دیگر سایت‌های مربوطه تکیه می‌کنند. این امر اهمیت نیاز به OM را نشان می‌دهد.

• بخشی از مقاله انگلیسی:

Abstract

Opinion Mining is a process, used for automatic extraction of knowledge from the opinion of others about some particular topic or problem. With the growing availability of online resources on web and popularity of fast and rich resources of opinion sharing such as online review sites and personal blogs, Opinion Mining has become an interesting area of research. World Wide Web is a fastest medium for opinion collection from users. Human perception and user opinion has greater potential for knowledge discovery and decision support. In this paper we have presented a survey which covers techniques and methods that promise to enable us to get opinion oriented information from text. This research effort deals with techniques and challenges related to sentiment analysis and Opinion Mining. We have followed systematic literature review process to conduct this survey. Our focus was mainly on machine learning techniques on the basis of their usage and importance for opinion mining. We have tried to identify most commonly used classification techniques for opinionated documents to assist future research in this area.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود مقاله ترجمه شده بررسی نظرکاوی (OM) با استفاده از اسناد مکتوب – مجله IEEE اولین بار در ترجمه فا پدیدار شد.