Please use this identifier to cite or link to this item:
http://localhost/handle/Hannan/4758
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor | سیده آرمینا محسنی | - |
| dc.contributor | آمنه خدیور | - |
| dc.contributor | فاطمه عباسی | - |
| dc.date.accessioned | 2023-05-05T07:25:26Z | - |
| dc.date.available | 2023-05-05T07:25:26Z | - |
| dc.date.issued | 1401 | en_US |
| dc.identifier.other | DOI: 10.22054/IMS.2022.63437.2051 | - |
| dc.identifier.uri | http://localhost/handle/Hannan/4758 | - |
| dc.description.abstract | در سال های اخیر بسیاری از کاربران نظرات خود را در مورد غذا، خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان کرده اند. این نظرات برای تصمیم گیری سایر کاربران و همین طور رستوران ها جهت حفظ کیفیت، توسعه محصول و برند بسیار مهم است. تحلیل احساسات رویكردی جهت پردازش زبان طبیعي است و امكان تحلیل سیستماتیك نظرات کاربران را فراهم کرده است. با توجه به اهمیت این موضوع، هدف این مطالعه ارایه مدل تحلیل احساسات نظرات سایت تریپ ادوایزر درباره رستوران های ایراني است. این پژوهش تحلیل احساسات مبتني بر جنبه بر اساس الگوریتم یادگیری عمیق شبكه عصبي حافظه طولاني کوتاه مدت استاندارد را برای استخراج احساسات کاربران در مورد رستوران ها پیشنهاد کرده است. برای آموزش مدل، 0444 نظر طبق چهار جنبه در سه حالت عدم اشاره، مثبت و منفي برچسب زده شد و گام های مطالعه طبق روش شناسي کریسپ 28 % و 28 % به ،%28 ،% صورت گرفت. میزان دقت برای معیارهای غذا، خدمات، قیمت و اتمسفر به ترتیب 28 دست آمد. این نتایج نشان از کارایي و عملكرد قابل قبول مدل برای تحلیل احساسات مبتني بر جنبه رستوران ها است. همچنین جنبه غذا و اتمسفر به ترتیب مهم ترین جنبه ها برای مشتریان رستوران های ایراني محسوب مي شوند. رستوران داران و صاحبان کسب وکار مي توانند از مدل توسعهیافته برای کسب مزیت رقابتي و یافتن نقاط قوت و ضعف خود استفاده کنند. همچنین با توجه به اینكه نظرات به صورت دستي برچسب زده شدند، مي توانند در پژوهش های بعدی نیز مورد استفاده قرار گیرند. | en_US |
| dc.language.iso | fa | en_US |
| dc.subject | یادگیری عمیق، شبکه عصبی، متن کاوی، تحلیل احساسات، تریپ ادوایزر. | en_US |
| dc.title | تحلیل احساسات نظرات کاربران تریپ ادوایزر برای رستوران های ایران با رویکرد یادگیری عمیق | - |
| dc.type | Article | en_US |
| Appears in Collections: | مدیریت فناوری اطلاعات | |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 136.pdf | 1.32 MB | Adobe PDF |
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor | سیده آرمینا محسنی | - |
| dc.contributor | آمنه خدیور | - |
| dc.contributor | فاطمه عباسی | - |
| dc.date.accessioned | 2023-05-05T07:25:26Z | - |
| dc.date.available | 2023-05-05T07:25:26Z | - |
| dc.date.issued | 1401 | en_US |
| dc.identifier.other | DOI: 10.22054/IMS.2022.63437.2051 | - |
| dc.identifier.uri | http://localhost/handle/Hannan/4758 | - |
| dc.description.abstract | در سال های اخیر بسیاری از کاربران نظرات خود را در مورد غذا، خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان کرده اند. این نظرات برای تصمیم گیری سایر کاربران و همین طور رستوران ها جهت حفظ کیفیت، توسعه محصول و برند بسیار مهم است. تحلیل احساسات رویكردی جهت پردازش زبان طبیعي است و امكان تحلیل سیستماتیك نظرات کاربران را فراهم کرده است. با توجه به اهمیت این موضوع، هدف این مطالعه ارایه مدل تحلیل احساسات نظرات سایت تریپ ادوایزر درباره رستوران های ایراني است. این پژوهش تحلیل احساسات مبتني بر جنبه بر اساس الگوریتم یادگیری عمیق شبكه عصبي حافظه طولاني کوتاه مدت استاندارد را برای استخراج احساسات کاربران در مورد رستوران ها پیشنهاد کرده است. برای آموزش مدل، 0444 نظر طبق چهار جنبه در سه حالت عدم اشاره، مثبت و منفي برچسب زده شد و گام های مطالعه طبق روش شناسي کریسپ 28 % و 28 % به ،%28 ،% صورت گرفت. میزان دقت برای معیارهای غذا، خدمات، قیمت و اتمسفر به ترتیب 28 دست آمد. این نتایج نشان از کارایي و عملكرد قابل قبول مدل برای تحلیل احساسات مبتني بر جنبه رستوران ها است. همچنین جنبه غذا و اتمسفر به ترتیب مهم ترین جنبه ها برای مشتریان رستوران های ایراني محسوب مي شوند. رستوران داران و صاحبان کسب وکار مي توانند از مدل توسعهیافته برای کسب مزیت رقابتي و یافتن نقاط قوت و ضعف خود استفاده کنند. همچنین با توجه به اینكه نظرات به صورت دستي برچسب زده شدند، مي توانند در پژوهش های بعدی نیز مورد استفاده قرار گیرند. | en_US |
| dc.language.iso | fa | en_US |
| dc.subject | یادگیری عمیق، شبکه عصبی، متن کاوی، تحلیل احساسات، تریپ ادوایزر. | en_US |
| dc.title | تحلیل احساسات نظرات کاربران تریپ ادوایزر برای رستوران های ایران با رویکرد یادگیری عمیق | - |
| dc.type | Article | en_US |
| Appears in Collections: | مدیریت فناوری اطلاعات | |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 136.pdf | 1.32 MB | Adobe PDF |
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor | سیده آرمینا محسنی | - |
| dc.contributor | آمنه خدیور | - |
| dc.contributor | فاطمه عباسی | - |
| dc.date.accessioned | 2023-05-05T07:25:26Z | - |
| dc.date.available | 2023-05-05T07:25:26Z | - |
| dc.date.issued | 1401 | en_US |
| dc.identifier.other | DOI: 10.22054/IMS.2022.63437.2051 | - |
| dc.identifier.uri | http://localhost/handle/Hannan/4758 | - |
| dc.description.abstract | در سال های اخیر بسیاری از کاربران نظرات خود را در مورد غذا، خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان کرده اند. این نظرات برای تصمیم گیری سایر کاربران و همین طور رستوران ها جهت حفظ کیفیت، توسعه محصول و برند بسیار مهم است. تحلیل احساسات رویكردی جهت پردازش زبان طبیعي است و امكان تحلیل سیستماتیك نظرات کاربران را فراهم کرده است. با توجه به اهمیت این موضوع، هدف این مطالعه ارایه مدل تحلیل احساسات نظرات سایت تریپ ادوایزر درباره رستوران های ایراني است. این پژوهش تحلیل احساسات مبتني بر جنبه بر اساس الگوریتم یادگیری عمیق شبكه عصبي حافظه طولاني کوتاه مدت استاندارد را برای استخراج احساسات کاربران در مورد رستوران ها پیشنهاد کرده است. برای آموزش مدل، 0444 نظر طبق چهار جنبه در سه حالت عدم اشاره، مثبت و منفي برچسب زده شد و گام های مطالعه طبق روش شناسي کریسپ 28 % و 28 % به ،%28 ،% صورت گرفت. میزان دقت برای معیارهای غذا، خدمات، قیمت و اتمسفر به ترتیب 28 دست آمد. این نتایج نشان از کارایي و عملكرد قابل قبول مدل برای تحلیل احساسات مبتني بر جنبه رستوران ها است. همچنین جنبه غذا و اتمسفر به ترتیب مهم ترین جنبه ها برای مشتریان رستوران های ایراني محسوب مي شوند. رستوران داران و صاحبان کسب وکار مي توانند از مدل توسعهیافته برای کسب مزیت رقابتي و یافتن نقاط قوت و ضعف خود استفاده کنند. همچنین با توجه به اینكه نظرات به صورت دستي برچسب زده شدند، مي توانند در پژوهش های بعدی نیز مورد استفاده قرار گیرند. | en_US |
| dc.language.iso | fa | en_US |
| dc.subject | یادگیری عمیق، شبکه عصبی، متن کاوی، تحلیل احساسات، تریپ ادوایزر. | en_US |
| dc.title | تحلیل احساسات نظرات کاربران تریپ ادوایزر برای رستوران های ایران با رویکرد یادگیری عمیق | - |
| dc.type | Article | en_US |
| Appears in Collections: | مدیریت فناوری اطلاعات | |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 136.pdf | 1.32 MB | Adobe PDF |