این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۳، شماره ۲، صفحات ۳۵-۴۹
عنوان فارسی ساخت نیمه‌خودکار یک پیکره از نظرات غیرمستقیم در دامنه دارو و بکارگیری آن برای تعیین قطبیت نظرات
چکیده فارسی مقاله مسئله نظرکاوی در سال‌های اخیر بسیار مورد توجه بوده است. تمرکز روش‌های موجود نظرکاوی بر نظرات مستقیم بوده است و اغلب آنها از نظرات غیرمستقیم صرفنظر کرده‌اند. درحالی‌که در برخی دامنه‌ها از جمله پزشکی نظرات غیرمستقیم به کرات رخ می‌دهند و نادیده گرفتن آنها باعث کاهش دقت سیستم نظرکاوی می‌شود. در این مقاله روشی نیمه‌خودکار برای ساخت پیکره‌ای از نظرات غیرمستقیم به زبان انگلیسی در دامنه دارو ارائه می‌شود. در مرحله اول روش پیشنهادی، جملاتی که بیانگر یک نظر غیرمستقیم هستند شناسایی می‌شوند و در مرحله دوم قطبیت آن‌ها با کمک دانش دامنه، الگوهای زبانی و ساختار نظرات تعیین می‌شود. سپس از این پیکره در روش‌های یادگیری ماشین جهت تعیین قطبیت نظرات مطرح شده درباره داروها استفاده می‌گردد. نتایج آزمایشات نشان می‌دهد که روش پیشنهادی در تعیین قطبیت مجموعه تست به دقت 82.81 درصد می‌رسد و بر یک روش‌ برجسته تحلیل نظرات مستقیم به نام الگوهای سنتیک غلبه می‌کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Automatic building a corpus and exploiting it for polarity classification of indirect opinions about drugs
چکیده انگلیسی مقاله Opinion mining is a well-known problem in natural language processing that has attracted increasing attention in recent years. Existing approaches have been often focused on identifying direct opinions and ignored indirect ones. However, in some domains such as medical, indirect opinions occur frequently. Therefore, ignoring indirect opinions can lead to the loss of valuable information and noticeable decline in overall accuracy of opinion mining systems. In this paper, we present a semi-automatic approach to construct a corpus of indirect opinions from drug reviews. In the first step, we propose an automatic method for detection of indirect opinions and in the second step, we use domain knowledge, linguistic rules and review structure for polarity detection of drug reviews. Then we exploit the constructed corpus as a training set in machine learning techniques for polarity classification of new examples. Experimental results demonstrate that our proposed approach achieves 82.81 percent precision.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سمیرا نوفرستی | samira noferesti
no. 228, nlp lab., computer sciense and engineering department, shahid beheshti university, tehran
تهران، دانشگاه شهیدبهشتی، دانشکده علوم و مهندسی کامپیوتر، آزمایشگاه پردازش زبان طبیعی، اتاق 228
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

مهرنوش شمس فرد | mehrnoush shamsfard
no. 228, nlp lab., computer sciense and engineering department, shahid beheshti university, tehran
تهران، دانشگاه شهیدبهشتی، دانشکده علوم و مهندسی کامپیوتر، آزمایشگاه پردازش زبان طبیعی، اتاق 228
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-667-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-233317.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش متن
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات