دوره 22، شماره 1 - ( 3-1404 )
جلد 22 شماره 1 صفحات 52-39 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
moradbeiki P, basiri A. Recognizing request and unrequest messages in social networks with combined features. JSDP 2025; 22 (1) :39-52
URL: http://jsdp.rcisp.ac.ir/article-1-1425-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1425-fa.html
مرادبیکی پردیس، بصیری علیرضا. تشخیص پیام های درخواست و غیردرخواست در شبکه های اجتماعی با رویکرد های ترکیبی. پردازش علائم و داده‌ها. 1404; 22 (1) :39-52
گروه مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان
چکیده: (80 مشاهده)
امروزه با رشد روز افزون استفاده از شبکه های اجتماعی، حجم داده های تولید شده رو به افزایش است. از طرفی کسب وکارهای زیادی در شبکه های اجتماعی مختلف فعالیت دارند؛ به همین دلیل تشخیص نیازمندی های کاربران برای بازاریابان در شبکه های اجتماعی یکی از نیازمندی های توسعه کسب وکارهای اینترنتی و تجارت الکترونیکی است. از این رو تشخیص خودکار پیام های درخواست و به نوعی فیلترینگ آنها در متون فارسی حائز اهمیت است. تحقیق حاضر با هدف بهبود تشخیص پیام های درخواست در مجموعه پیام های ارسال شده در پیام رسان ها انجام شده است. امروزه شبکه های اجتماعی به راحتی قابل دسترس است؛ از این رو پیامها در شبکه های اجتماعی متفاوت با متون ادبی است. پیامها در شبکه های اجتماعی دارای داده های اضافی و عامیانه هستند. از طرف دیگر کلمات هم شامل غلط های املایی فراوان میباشند؛ بنابراین مقابله با این پیام ها یک چالش محسوب می شود. در این پژوهش ابتدا پیش پردازش و حذف داده های اضافی مورد بررسی قرارگرفته است. برای مقابله با دیگر چالش های مطرح شده روش پیشنهادی در حین حفظ ارزش کلمات، با غلط های املایی نیز مقابله کرده است. پس از استخراج ویژگی های مناسب، یک مدل ترکیبی مبتنی بر شبکه های عصبی عمیق برای فرآیند تشخیص پیام های درخواست و طبقه بندی طراحی شد. در مرحله ارزیابی، آزمایش های جامعی برای تحلیل عملکرد مدل پیشنهادی پیاده سازی شد. مطابق نتایج به دست آمده precision، recall و f-score روش پیشنهادی برابر تقریبا 90درصد است و در مقایسه با روش های پیشین ارائه شده به طور میانگین 5 درصد بهبود یافت.
واژه‌های کلیدی: تجارت الکترونیکی، تشخیص درخواست، شبکه های اجتماعی، پیام رسان، روش مبتنی بر یادگیری عمیق
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش متن
دریافت: 1403/1/30 | پذیرش: 1403/9/14 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31
دریافت: 1403/1/30 | پذیرش: 1403/9/14 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
