view in publisher's site

A Survey of Sentiment Analysis Based on Machine Learning

Every day, Facebook, Twitter, Weibo and other social network sites and major e-commerce sites generate a large number of online reviews with emotions. The analysing people’s opinions from these reviews can assist a variety of decision-making processes in organisations, products, and administrations. Therefore, it is practically and theoretically important to study how to analyse online reviews with emotions. To help researchers study sentiment analysis, in this paper, we survey the machine learning based method for sentiment analysis of online reviews. These methods are main based on Support Vector Machine, Neural Networks, Naïve Bayes, Bayesian network, Maximum entropy, and some hybrid methods. In particular, we point out the main problems in the machine learning based methods for sentiment analysis and the problems to be solved in the future.

بررسی تحلیل احساسی براساس یادگیری ماشینی

هر روز، Facebook، Twitter، Weibo و دیگر سایت‌های شبکه‌های اجتماعی و سایت‌های اصلی تجارت الکترونیکی تعداد زیادی از بررسی‌های آنلاین را با احساسات ایجاد می‌کنند. تجزیه و تحلیل نظرات مردم از این بررسی‌ها می‌تواند به انواع فرایندهای تصمیم‌گیری در سازمان‌ها، محصولات و ادارات کمک کند. بنابراین، مطالعه نحوه تحلیل بررسی‌های آنلاین با احساسات از نظر عملی و نظری مهم است. برای کمک به محققان برای مطالعه تحلیل احساسی، در این مقاله، ما روش یادگیری ماشین مبتنی بر تحلیل احساسی بررسی‌های آنلاین را بررسی می‌کنیم. این روش‌ها براساس ماشین بردار پشتیبان، شبکه‌های عصبی، بایز نایو، شبکه بیزی، حداکثر آنتروپی و برخی روش‌های ترکیبی می‌باشند. به طور خاص، ما به مشکلات اصلی در یادگیری ماشین براساس روش‌های تحلیل احساسی و مسائلی که باید در آینده حل شوند اشاره می‌کنیم.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.