Forwarded from ترجمه انگلیسی به فارسی
عنوان فارسی مقاله : پیش بینی لینک منفی و برنامه های کاربردی آن در شبکه های سیاسی آنلاین
.
English Article Title: Negative Link Prediction and Its Applications in Online Political Networks
Year: 2017
Publisher: ACM
Journal: Proceedings of the 28th ACM Conference on Hypertext and Social Media
DOI: https://doi.org/10.1145/3078714.3078727
Keywords:
#Negative_Link_Prediction
#Online_Political_Networks
#Social_Media_Mining
#Sentiment_Analysis
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#علوم_تصمیم_گیری (#Decision_Sciences)
#مقاله_روانشناسی (#Psychology)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#پیش_بینی_منفی
#شبکه_های_سیاسی_آنلاین
#داده_های_رسانه_های_اجتماعی
#تجزیه_و_تحلیل_احساسات
چکیده مقاله:
اختلاف نظرها، مخالفت ها و نظرات منفی بخش مهمی از بحث های سیاسی آنلاین است. در رسانه های اجتماعی مردم از طریق گفتگوها و تعاملات خاص پلتفورم مانند مانند، اشتراک در فیس بوک و بازتوییت در توییتر، باور و نگرش خود را نه تنها در مورد مسائل بلکه در مورد یکدیگر بیان می کنند. در حالی که ویژگی های صریح مانند "دوست داشتن" در این سیستم عامل وجود دارد، هیچ ویژگی صریح مانند "نداشتن" وجود ندارد. بسیاری از وظایف تجزیه و تحلیل شبکه مانند شناسایی جوامع و نظارت بر پویایی آنها (به عنوان مثال الگوهای قطبی شدن) نیاز به اطلاعات در مورد هر دو ارتباط مثبت و منفی دارند. از این رو، پیش بینی ارتباط منفی بین کاربران یک کار مهم و یک مسئله چالش برانگیز است. در این مطالعه، ما یک چارچوب بدون نظارت را برای پیش بینی ارتباط منفی بین کاربران با استفاده از تعاملات مثبت و منفی نشانه های احساس در مکالمات پیشنهاد می کنیم. ما اثربخشی چارچوب پیشنهادی را در یک مجموعه داده های توییتر حاوی حاشیه نویسی از طریق پلت فرم crowdsourcing آمازون MTURK نشان می دهد. نتایج تجربی ما نشان می دهد که چارچوب پیشنهادی از سایر روش های شناخته شده و پایه پیشنهاد شده بهتر است. برای نشان دادن اشتراکی از لینک های پیش بینی شده منفی، ما مقایسات دقیق تشخیص جامعه با استفاده از شبکه های کاربر امضا و بدون امضا را مقایسه می کنیم. نتایج تجربی با استفاده از لینک های پیش بینی شده منفی، برتری سه مجموعه داده های سیاسی را نشان می دهد که camps به طور پیش بینی شناخته شده است. ما همچنین ارزیابی کیفی مربوط به الگوهای قطبی سازی (یعنی رقابت ها و ائتلاف ها) بین جوامع شناسایی را ارائه می دهیم که فقط در حضور لینک های منفی امکان پذیر است.
کلیدواژه: پیش بینی منفی، شبکه های سیاسی آنلاین، داده های رسانه های اجتماعی، تجزیه و تحلیل احساسات
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2WqOO44
.
English Article Title: Negative Link Prediction and Its Applications in Online Political Networks
Year: 2017
Publisher: ACM
Journal: Proceedings of the 28th ACM Conference on Hypertext and Social Media
DOI: https://doi.org/10.1145/3078714.3078727
Keywords:
#Negative_Link_Prediction
#Online_Political_Networks
#Social_Media_Mining
#Sentiment_Analysis
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#علوم_تصمیم_گیری (#Decision_Sciences)
#مقاله_روانشناسی (#Psychology)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#پیش_بینی_منفی
#شبکه_های_سیاسی_آنلاین
#داده_های_رسانه_های_اجتماعی
#تجزیه_و_تحلیل_احساسات
چکیده مقاله:
اختلاف نظرها، مخالفت ها و نظرات منفی بخش مهمی از بحث های سیاسی آنلاین است. در رسانه های اجتماعی مردم از طریق گفتگوها و تعاملات خاص پلتفورم مانند مانند، اشتراک در فیس بوک و بازتوییت در توییتر، باور و نگرش خود را نه تنها در مورد مسائل بلکه در مورد یکدیگر بیان می کنند. در حالی که ویژگی های صریح مانند "دوست داشتن" در این سیستم عامل وجود دارد، هیچ ویژگی صریح مانند "نداشتن" وجود ندارد. بسیاری از وظایف تجزیه و تحلیل شبکه مانند شناسایی جوامع و نظارت بر پویایی آنها (به عنوان مثال الگوهای قطبی شدن) نیاز به اطلاعات در مورد هر دو ارتباط مثبت و منفی دارند. از این رو، پیش بینی ارتباط منفی بین کاربران یک کار مهم و یک مسئله چالش برانگیز است. در این مطالعه، ما یک چارچوب بدون نظارت را برای پیش بینی ارتباط منفی بین کاربران با استفاده از تعاملات مثبت و منفی نشانه های احساس در مکالمات پیشنهاد می کنیم. ما اثربخشی چارچوب پیشنهادی را در یک مجموعه داده های توییتر حاوی حاشیه نویسی از طریق پلت فرم crowdsourcing آمازون MTURK نشان می دهد. نتایج تجربی ما نشان می دهد که چارچوب پیشنهادی از سایر روش های شناخته شده و پایه پیشنهاد شده بهتر است. برای نشان دادن اشتراکی از لینک های پیش بینی شده منفی، ما مقایسات دقیق تشخیص جامعه با استفاده از شبکه های کاربر امضا و بدون امضا را مقایسه می کنیم. نتایج تجربی با استفاده از لینک های پیش بینی شده منفی، برتری سه مجموعه داده های سیاسی را نشان می دهد که camps به طور پیش بینی شناخته شده است. ما همچنین ارزیابی کیفی مربوط به الگوهای قطبی سازی (یعنی رقابت ها و ائتلاف ها) بین جوامع شناسایی را ارائه می دهیم که فقط در حضور لینک های منفی امکان پذیر است.
کلیدواژه: پیش بینی منفی، شبکه های سیاسی آنلاین، داده های رسانه های اجتماعی، تجزیه و تحلیل احساسات
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2WqOO44