چکیده مقاله
درجوامع امروزی باتوجه به گسترش و محبوبیت رسانه های اجتماعی کاربرمحور تحلیل عقاید واحساسات کاربران ازاهمیت ویژه ای برخوردار است دراین مقاله به بررسی تعیین قطبیت پیامکهای توییتر بااستفاده ازروش Bagging پرداخته شده است نتایج تحقیقات انجام شده نشان داده است که جهت بهبود صحت کلاس بندی میتوان ازچندکلاسه بند مختلف و ترکیب خروجی آنها استفاده کرد درراستای این پژوهش پس ازاستخراج برخی ویژگیهای متداول به یافتن الگوریتم کلاسه بندی که برروی مجموعه داده ی موردنظر عملکرد مناسب تری باشد پرداخته شد باوجود اینکه گروه کلاسه بند میتواند به روشهای مختلف اموزش داده شود دراین مقاله ازروش Bagging برای ساختن کلاسه بندقطبی به همراه مجموعه ای ازویژگیهای متنی استفاده شده است نتیجه بدست آمده ازروش پیشنهادی براساس میانگین ماکرو f score 67 2% است که دربرابر الگوریتم پایه SVM 1 4درصد افزایش داشته است
کلیدواژهها
نویسندگان
اسما خواجویی
گروه کامپیوتر، واحد بندرعباس، دانشگاه آزاد اسلامی، بندرعباس، ایران
عباس عکاسی
استادیار، گروه کامپیوتر، واحد بندر عباس، دانشگاه آزاد اسلامی، بندرعباس، ایران
محمدعلی باقری
استادیار، دانشکده فنی مجتمع آموزش عالی لارستان، لار، ایران
شیوه ارجاع
�واجویی، اسما و عکاسی، عباس و باقری، محمدعلی،1395،بهبود کارایی تشخیص قطبیت پیام با استفاده از ویژگی های نحوی زبان و روش ترکیبی Bagging،چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر،تهران
ارائهشده در
مجموعه مقالات چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر23 دی 1395 · تهران