توضیحات

• اصل مقاله انگلیسی را می توانید به طور رایگان دانلود کنید.
• متن کامل ترجمه پس از خرید قابل دانلود است، همچنین فایل ترجمه پس از اتمام خرید به صورت خودکار از سمت سرور به ایمیل شما نیز ارسال می شود، از آنجایی که ایمیل از سمت سرور و با نام سایت ارسال می شود، به همین دلیل ممکن است به عنوان ایمیل تبلیغاتی در نظر گرفته شده و در قسمت Spam (هرزنامه) ایمیل شما قرار گیرد، پس لطفا قسمت Spam (هرزنامه) ایمیل خود را نیز چک کنید.
• توجه: چنانچه پس از خرید طی دو ساعت ترجمه به ایمیل شما ارسال نشد، با ایمیل پشتیبانی تماس بگیرید تا ما در اسرع وقت به موضوع رسیدگی کنیم.

———————————————————————

مشخصات مقاله انگلیسی:

ترجمه عنوان مقاله: تحلیل کلان داده‌ها برای استخراج عقاید مشتری در مورد ویژگی‌های محصول

عنوان انگلیسی مقاله: Big data analysis to Features Opinions Extraction of customer

نام ژورنال: Procedia Computer Science

نام ناشر: Elsevier

سال انتشار: ۲۰۱۷

تعداد صفحات مقاله انگلیسی: ۱۱ صفحه

دانلود مقاله انگلیسی

دانلود مجموعه داده Minqing و Bing

ترجمه چکیده مقاله:

عقیده‌کاوی به استخراج اطلاعات ذهنی از داده‌های متنی با استفاده از ابزارهایی مانند پردازش زبان طبیعی (NLP)، تحلیل متن و زبان‌شناسی محاسباتی اشاره دارد. Micro-blogging (وبلاگ‌نویسی با متون کوتاه) و شبکه‌های اجتماعی از محبوب‌ترین برنامه‌های کاربردی وب نسخه ۲٫۰ هستند، مانند Twitter و Facebook که برای اشتراک‌گذاری عقاید در مورد موضوعات مختلف توسعه داده شده‌اند. این نوع کاربرد به یکی از منابع غنی داده‌ها برای حوزه‌ی عقیده‌کاوی و تحلیل احساسات تبدیل شده است. این اطلاعات برای مدیران بسیار مهم است، چرا که مدیران باید کیفیت یک محصول را بر اساس اظهار نظرهای مشتریان بهبود دهند. با توجه به مشخصات یک محصول مانند تلفن همراه، شناسایی ویژگی‌هایی از محصول که بر روی آنها اظهارنظر شده است (مانند کیفیت دوربین، طول عمر باتری، قیمت، و غیره)، عمل بسیار دشواری می‌باشد.   

         در این مقاله روش جدیدی را ارائه می‌دهیم که قادر به استخراج عقاید مشتریان در مورد ویژگی‌های محصول از شبکه‌های اجتماعی با استفاده از روش‌های تحلیل متن می‌باشد. این روش، عقاید مشتریان را در مورد ویژگی‌های محصول شناسایی می‌کند. ما سیستمی را توسعه می‌دهیم که توییت‌هایی از توییتر را که در مورد یک محصول هستند، بازیابی می‌کند و همچنین اظهارنظرها در مورد ویژگی‌های محصول و قطب این اظهارنظرها (یعنی مثبت و منفی بودن آنها) را نیز تشخیص می‌دهد. برای ارزیابی موثر بودن این رویکرد، ما از یک مجموعه‌داده در آزمایش رویکرد خود استفاده نموده‌ایم که توسط گروه Bing Lius منتشر شده است. این مجموعه‌داده شامل اظهارنظرهای زیادی از مشتریان در مورد پنج محصول از قبیل Canon G3 و Nokia 6610 می‌باشد. در ادامه، ما روش پیشنهادی خود را با توییت‌های بازیابی شده از توییتر در مورد ویژگی محصولات Nokia، Samsung و Iphone نیز آزمایش کرده‌ایم.    

کلمات کلیدی: کلان‌داده‌ها (Big Data)؛ تحلیل احساسات؛ عقیده‌کاوی (نظرکاوی)؛ ویژگی‌کاوی.

———————————————————————

مشخصات ترجمه مقاله:

تعداد صفحات مقاله ترجمه شده: ۲۰ صفحه (در قالب فایل word و pdf)

زمان صرف شده برای ترجمه: ۳۰ ساعت مفید