تحلیل عاطفی Twitter با استفاده از متد جست و جوی فاخته (Cuckoo) ترکیبی

قیمت: 46,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

تحلیل عاطفی Twitter با استفاده از متد جست و جوی فاخته (Cuckoo) ترکیبی

عنوان لاتین

Twitter sentiment analysis using hybrid cuckoo search method

تحلیل عاطفی یکی از فیلدهای برجسته داده کاوی است که شناسایی و تحلیل محتواهای عاطفی که به صورت عمومی در رسانه اجتماعی در دسترس هستند، را بررسی می کند. Twitter یکی از رسانه های اجتماعی است که توسط بسیاری از کاربران درباره برخی موضوعات به فرم توئیت ها استفاده می شود. این توئیت ها می توانند برای یافتن دیدگاه ها و عواطف (احساسات) کاربران با استفاده از متدهای مبتنی بر خوشه بندی، تحلیل شوند. با این حال، به علت طبیعت ذهنی مجموعه های داده Twitter، متدهای خوشه بندی مبتنی بر فرا اکتشافی برای تحلیل احساسی (عاطفی) بهتر از متدهای سنتی اجرا می کنند. بنابراین، این مقاله یک متد فرا اکتشافی جدید (CSK) را ارائه می دهد که بر منبای فاخته و K-mean ها است. متد ارائه شده برای یافتن سرخوشه های بهینه از محتواهای احساسی مجموعه های داده Twitter استفاده می کند. کارآمدی متد ارائه شده روی مجموعه های داده Twitter مختلف آزمایش شده و با بهینه سازی جمعیت ذره ای، سیر تکاملی تشخیصی، جست و جوی فاخته، جست و جوی فاخته بهبود یافته، جست و جوی فاخته مبتنی بر گواس (واحد شدت میدان مغناطیسی)، و دو متد n-grams، مقایسه شده اند. نتایج آزمایشی و تحلیل آماری تأکید می کنند که متد ارائه شده بهتر از متدهای موجود اجرا می کند. متد ارائه شده دارای مفاهیم تئوریکی برای تحقیق آتی به منظور تحلیل داده تولید شده از طریق شبکه ها/ رسانه های اجتماعی، می باشد. این متد هم چنین دارای مفاهیم عملی بسیار تعمیم داده شده برای طراحی یک سیستم است که می تواند مرورهای نهایی روی هر مسئله اجتماعی را فراهم کند.

Sentiment analysis is one of the prominent fields of data mining that deals with the identification and analysis of sentimental contents generally available at social media. Twitter is one of such social medias used by many users about some topics in the form of tweets. These tweets can be analyzed to find the viewpoints and sentiments of the users by using clustering-based methods. However, due to the subjective nature of the Twitter datasets, metaheuristic-based clustering methods outperforms the traditional methods for sentiment analysis. Therefore, this paper proposes a novel metaheuristic method (CSK) which is based on K-means and cuckoo search. The proposed method has been used to find the optimum cluster-heads from the sentimental contents of Twitter dataset. The efficacy of proposed method has been tested on different Twitter datasets and compared with particle swarm optimization, differential evolution, cuckoo search, improved cuckoo search, gauss-based cuckoo search, and two n-grams methods. Experimental results and statistical analysis validate that the proposed method outperforms the existing methods. The proposed method has theoretical implications for the future research to analyze the data generated through social networks/medias. This method has also very generalized practical implications for designing a system that can provide conclusive reviews on any social issues.