خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : معیارهای رسانه های اجتماعی و تحلیل احساسات برای ارزیابی اثربخشی پست های رسانه های اجتماعی
.
English Article Title: Social media metrics and sentiment analysis to evaluate the effectiveness of social media posts
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.04.117
Keywords:
#social_media_metrics
#self_marketing
#sentiment_analysis
#اثربخشی_پست‌های_رسانه‌های_اجتماعی
#معیارهای_رسانه_اجتماعی
#خود_بازاریابی
#تجزیه_و_تحلیل_احساسات
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_هنر
#مقاله_علوم_انسانی (#Art_and_Humanities)
#مقاله_تجارت
#مقاله_کسب_و_کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#مقاله_علوم_اجتماعی (#Social_Sciences)
چکیده مقاله:
پژوهش حاضر معیارهای برای موفقیت در خود بازاریابی برای رسانه های اجتماعی ارائه می دهد. شرکت کنندگان شامل گیمرهای یوتیوب بودند. ما بر روی محتوای ارتباطات¬شان در فیس بوک تمرکز می کنیم تا تفاوت های قابل توجهی ملاک ها و تفسیر احساسات فیس بوک¬شان را شناسایی کنیم. در این راستا روش تحقيقANOVA و تحليل احساسات مورد استفاده قرار گرفت. تجزیه و تحلیل دسته بندی شده ی پست طبقه بندی شده ANOVA نشان داد که فیلم های یوتیوب لایک ها ، کامنت ها و اشتراک های کم اهمیتر را به دست آورد. از سوی دیگر به عکس ها در مقایسه با سایر انواع نمونه پست ها، تمایل بیشتری نشان دادند. تجزیه و تحلیل احساسات نشان می دهد که منفی بودن احساس فالورها، زمانی بود که فعالیت های تولید شده توسط کاربر نسبتا کم بود. این مسئله نتایج مکمل ارزشمندی را برای تجزیه و تحلیل سایر شاخص های پست مانند تعداد لایک ها، کامنت ها و اشتراک ها فراهم کرد. نتایج پژوهش ضرورت استفاده از تکنیک های پردازش زبان طبیعی برای بهینه سازی برند ارتباطات در مورد رسانه های اجتماعی و اهمیت بررسی نظر توده‌ها برای درک بهتر بازخورد مصرف کنندگان را نشان داد.
کلمات کلیدی: معیارهای رسانه اجتماعی | خود بازاریابی | تجزیه و تحلیل احساسات
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2soHslr
.
عنوان فارسی مقاله : معیارهای رسانه های اجتماعی و تحلیل احساسات برای ارزیابی اثربخشی پست های رسانه های اجتماعی
.
English Article Title: Social media metrics and sentiment analysis to evaluate the effectiveness of social media posts
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.04.117
Keywords:
#social_media_metrics
#self_marketing
#sentiment_analysis
#اثربخشی_پست‌های_رسانه‌های_اجتماعی
#معیارهای_رسانه_اجتماعی
#خود_بازاریابی
#تجزیه_و_تحلیل_احساسات
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_هنر
#مقاله_علوم_انسانی (#Art_and_Humanities)
#مقاله_تجارت
#مقاله_کسب_و_کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#مقاله_علوم_اجتماعی (#Social_Sciences)
چکیده مقاله:
پژوهش حاضر معیارهای برای موفقیت در خود بازاریابی برای رسانه های اجتماعی ارائه می دهد. شرکت کنندگان شامل گیمرهای یوتیوب بودند. ما بر روی محتوای ارتباطات¬شان در فیس بوک تمرکز می کنیم تا تفاوت های قابل توجهی ملاک ها و تفسیر احساسات فیس بوک¬شان را شناسایی کنیم. در این راستا روش تحقيقANOVA و تحليل احساسات مورد استفاده قرار گرفت. تجزیه و تحلیل دسته بندی شده ی پست طبقه بندی شده ANOVA نشان داد که فیلم های یوتیوب لایک ها ، کامنت ها و اشتراک های کم اهمیتر را به دست آورد. از سوی دیگر به عکس ها در مقایسه با سایر انواع نمونه پست ها، تمایل بیشتری نشان دادند. تجزیه و تحلیل احساسات نشان می دهد که منفی بودن احساس فالورها، زمانی بود که فعالیت های تولید شده توسط کاربر نسبتا کم بود. این مسئله نتایج مکمل ارزشمندی را برای تجزیه و تحلیل سایر شاخص های پست مانند تعداد لایک ها، کامنت ها و اشتراک ها فراهم کرد. نتایج پژوهش ضرورت استفاده از تکنیک های پردازش زبان طبیعی برای بهینه سازی برند ارتباطات در مورد رسانه های اجتماعی و اهمیت بررسی نظر توده‌ها برای درک بهتر بازخورد مصرف کنندگان را نشان داد.
کلمات کلیدی: معیارهای رسانه اجتماعی | خود بازاریابی | تجزیه و تحلیل احساسات
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2soHslr
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