ترجمه فارسی مقاله تشخیص و طبقه بندی نظرات کاربران توییتر در مورد بحران خشکسالی در ایران با استفاده از تکنیک های یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Detection and Classification of Twitter Users' Opinions on Drought Crises in Iran Using Machine Learning Techniques
عنوان مقاله به فارسی تشخیص و طبقه بندی نظرات کاربران توییتر در مورد بحران خشکسالی در ایران با استفاده از تکنیک های یادگیری ماشین
نویسندگان Somayeh Labafi, Leila Rabiei, Zeinab Rajabi
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computers and Society,رایانه و جامعه ,
توضیحات Submitted 11 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The main objective of this research is to identify and classify the opinions of Persian-speaking Twitter users related to drought crises in Iran and subsequently develop a model for detecting these opinions on the platform. To achieve this, a model has been developed using machine learning and text mining methods to detect the opinions of Persian-speaking Twitter users regarding the drought issues in Iran. The statistical population for the research included 42,028 drought-related tweets posted over a one-year period. These tweets were extracted from Twitter using keywords related to the drought crises in Iran. Subsequently, a sample of 2,300 tweets was qualitatively analyzed, labeled, categorized, and examined. Next, a four-category classification of users` opinions regarding drought crises and Iranians' resilience to these crises was identified. Based on these four categories, a machine learning model based on logistic regression was trained to predict and detect various opinions in Twitter posts. The developed model exhibits an accuracy of 66.09% and an F-score of 60%, indicating that this model has good performance for detecting Iranian Twitter users' opinions regarding drought crises. The ability to detect opinions regarding drought crises on platforms like Twitter using machine learning methods can intelligently represent the resilience level of the Iranian society in the face of these crises, and inform policymakers in this area about changes in public opinion.

چکیده به فارسی (ترجمه ماشینی)

هدف اصلی این تحقیق شناسایی و طبقه بندی نظرات کاربران توییتر فارسی زبان مربوط به بحران خشکسالی در ایران و متعاقباً الگویی برای تشخیص این نظرات در این سکو است.برای دستیابی به این هدف ، یک مدل با استفاده از روش های یادگیری ماشین و معدن متن برای تشخیص نظرات کاربران توییتر فارسی زبان در مورد مشکلات خشکسالی در ایران تهیه شده است.جمعیت آماری این تحقیق شامل 42028 توییت مربوط به خشکسالی است که در طی یک دوره یک ساله ارسال شده است.این توییت ها با استفاده از کلمات کلیدی مربوط به بحران خشکسالی در ایران از توییتر استخراج شد.پس از آن ، نمونه ای از 2300 توییت به صورت کیفی مورد تجزیه و تحلیل ، برچسب زدن ، طبقه بندی و بررسی قرار گرفت.در مرحله بعد ، طبقه بندی چهار طبقه از نظرات کاربران در مورد بحران خشکسالی و مقاومت ایرانیان از این بحران ها مشخص شد.بر اساس این چهار دسته ، یک مدل یادگیری ماشین مبتنی بر رگرسیون لجستیک برای پیش بینی و تشخیص نظرات مختلف در پست های توییتر آموزش داده شد.مدل توسعه یافته دقت 66.09 ٪ و نمره F 60 ٪ را نشان می دهد ، نشان می دهد که این مدل عملکرد خوبی برای تشخیص نظرات کاربران توییتر ایرانی در مورد بحران خشکسالی دارد.توانایی تشخیص نظرات در مورد بحران خشکسالی بر روی سیستم عامل هایی مانند توییتر با استفاده از روشهای یادگیری ماشین می تواند به طور هوشمندانه نشان دهنده سطح انعطاف پذیری جامعه ایران در مواجهه با این بحران ها باشد و به سیاست گذاران در این زمینه در مورد تغییر در افکار عمومی اطلاع دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.