loading...
Latina
Ali بازدید : 53 1394/03/08 نظرات (0)

عنوان انگلیسی مقاله: A State Of The Art Opinion Mining And Its Application Domains
عنوان فارسی مقاله: عقیده کاوی و کاربردهای آن
دسته: روانشناسی و مدیریت
فرمت فایل ترجمه شده: فایل Word ورد 2007 یا 2003 (Docx یا Doc) قابل ویرایش
تعداد صفحات فایل ترجمه شده: 10

چکیده
شرکت های صنعتی و تولیدی که محصولات جدید تولید می کنند، می خواهند بدانند مشتریانشان چه احساسی نسبت به این محصولات دارند و این اطلاعات را می توان با مطالعه عقیده ها در پورتال های نظرسنجی بدست آورد. در عین حال، کاربران یا مشتریان نیز می خواهند بدانند کدام محصول را بخرند پس این نظرات را می خوانند و سعی می کنند تصمیم گیری کنند. دیده شده است که عقیده های آنلاین روز به روز محبوب تر می شوند و این عقاید، غنی بودن اطلاعات را نشان می دهند که می تواند برای صنعت و مشتریان مفید باشد. با این حال، اینجام این کار به صورت دستی سخت و زمانبر است. به عنوان مثال، سازمان های تولیدی ترجیح می دهند اطلاعات به فرمتی باشد که برای استفاده راحت تر باشد، پس اتوماتیک کردن این فرایند بسیار مفید است. اینجاست که عقیده کاوی به میان می آید. در وب، عقاید را می توان به فرم متن، تصویر، صوت یا داده ویدئویی بیان کرد. این مقاله از متن کاوی فاصله می گیرد چون در این زمینه بسیار کار شده است. عقیده کاوی را می توان یک زیر اصل از زبان شناسی محاسباتی تعریف کرد که با عقیده ای که یک سند بیان می کند در ارتباط است. طبقه بندی احساسات تعیین کننده ذهنیت، قطبیت (مثبت و منفی) و قدرت قطبیت (مثبت ضعیف، مثبت میانه و مثبت قوی) یک متن عقیده است. عبارات مختلفی توسط محققان استفاده می شود تا احساسات را طبقه بندی کنند: عقیده کاوی، تحلیل احساسات، استخراج احساسات یا رتبه بندی کارا. ما در این مقاله برای سادگی از عبارات عقیده کاوی که همه این عبارات را دربر می گیرد استفاده می کنیم.

زمینه های مرتبط با عقیده کاوی
استخراج اطلاعات (IE): آیا تبدیل اطلاعات متنی بدون ساختار به فرمت ساخت یافته که عموماً در پایگاه داده ها ذخیره و برای اهداف داده کاوی استفاده می شود، بر اساس یادگیری زبان ماشین است. داده های خاص، استخراج و در قالب موجود قرار می گیرند. این کار دقت اطلاعات بازیافتی را بهبود می بخشد و می تواند به عنوان پایه ای برای گروه بندی داده های استخراج شده استفاده شود.

خرید

موارد مشابه با «ترجمه مقاله روانشناسی: کاربردهای عقیده کاوی»

Ali بازدید : 53 1394/02/19 نظرات (0)

عنوان انگلیسی مقاله: Learners’ Learning Style Classification related to IQ and Stress based on EEG
عنوان فارسی مقاله: طبقه بندی سبک یادگیری یادگیرنده با توجه به IQ و استرس بر مبنای EEG
دسته: روانشناسی
فرمت فایل ترجمه شده: فایل Word ورد 2007 یا 2003 (Docx یا Doc) قابل ویرایش
تعداد صفحات فایل ترجمه شده: 9

چکیده
اهمیت شناسایی سبک یادگیری (LS) یادگیرنده برای تضمین موفقیت در یک فرایند آموزش و یادگیری ضروری است. درعین حال، IQ و و ویژگی های شخصیتی نظیر استرس نیز در پژوهش های آموزشی مورد بررسی قرار گرفته اند و این پژوهش ها در تلاشند تا به طور دقیق تری یادگیرندگان را بشناسند. با این وجود، این تلاش ها معمولاً به آزمون روانشناسی محدود می گردد. با ظهور تکنولوژی برق نگاری مغز (EEG) می توان مستقیماً به مشخصه های مغزی یادگیرنده دسترسی پیدا کرد و و نتایج می توانند با آزمون های مرسوم مورد پشتیبانی قرار گیرند. در این مطالعه، شرکت کنندگان (n=80) با استفاده از پرسشنامه سبک یادگیری کلب (KLSI) به سبک های یادگیری واگرا، جذب کننده، همگرا یا انطباق دهنده گروه بندی می شوند. درنتیجه، سیگنال های مغز آن ها با استفاده از EEG در حالت چشمان باز و چشمان بسته ثبت گردید. ابزار آماری SPSS 16 با هدف تحلیل داده ها مورد استفاده قرار گرفت. با استفاده از تحلیل خوشه ای دو مرحله ای، مجموعه های داده ای EEG شرکت کنندگان برای LS مربوطه طبقه بندی گردید. سپس دسته آلفا برای ارتباط بین LS، IQ و استرس انتخاب گردید. این مطالعه نتیجه گرفت که سبک واگرا، سبک یادگیری با بالاترین IQ می باشد درحالیکه سبک همگرا و واگرا سبک های در معرض استرس هستند.

سبک یادگیری
نتایج پیشرفت های علمی در حیطه هوش و ذستاوردهای علمی گذشته، گسترده تر شده است. درحقیقت، مفاهیم زیادی از قبیل ادراک کنترل تحصیلی و انگیزه تحصیلی در رابطه با یادگیری وجود دارند که درهنگام دلسردی درمورد برتری تحصیلی باید مدنظر قرار داد (Cassidy و Eachus، 2000). یکی از مفاهیم مهمی که نکات ارزشمندی را در یادگیری به همراه داشته است، سبک یادگیری (LS) است. LS به این مفهوم اشاره دارد که افراد نسبت به اینکه چه حالتی از آموزش و مطالعه برای آن ها اثربخش تر است، با یکدیگر متفاوتند (Kolb، 1984). همچنین فرایندی تعریف می گردد که یک شخص از طریق آن دانش یا مهارت را از طریق درک و حفط اطلاعات کسب می نماید (Adesunloy و همکاران، 2008). پژوهش ها و اقدامات آموزشی نشان داده است که زمانیکه فرایند آموزش با سبک های یادگیری متفاوت دانش آموزان همراه است، یادگیری ارتقاء می یابد (Buch، 2002).

خرید

موارد مشابه با «طبقه بندی سبک یادگیری یادگیرنده با توجه به IQ و استرس بر مبنای EEG (مقاله روانشناسی)»

Ali بازدید : 49 1394/01/01 نظرات (0)

عنوان انگلیسی مقاله: Violent Web images classification based on MPEG7 color descriptors
عنوان فارسی مقاله: طبقه بندی تصاویر خشونت آمیز وب بر اساس توصیف کننده های رنگ MPEG7.
دسته: روانشناسی
فرمت فایل ترجمه شده: فایل Word ورد 2007 یا 2003 (Docx یا Doc) قابل ویرایش
تعداد صفحات فایل ترجمه شده: 15

چکیده
در این مقاله، روش طبقه بندی تصاویر خشونت آمیز وب را ارائه می کنیم. این موضوع بسیار مهم است زیرا کاربرد بسیاری در زمینه های مختلف مثل فیلتر کردن وب سایت های خشونت آمیز دارد. ما پیشنهاد ترکیب تکنیک های تحلیل تصویر و داده کاوی را می دهیم تا خصوصیات سطح پایینی که از رنگ های تصاویر استخراج شده را به خصوصیات خشن بالاتر موجود در تصویر مرتبط کنیم. مقایسه ای نیز روی تکنیک های مختلف داده کاوی خواهیم داشت تا بتوانیم تصاویر خشن وب را دسته بندی کنیم. همچنین، توضیح می دهیم که ترکیب روش های یادگیری چگونه روی دقت کار تأثیر می گذارد. نتایج ما نشان می دهد که این روش می تواند محتوای خشن را به طور کارایی تشخیص دهد.

مقدمه
شبکه گسترده جهانی (WWW) روی همه جنبه های جامعه شامل تجارت ، علوم، سیاست و دولت، روابط فردی و سلامتی تأثیر زیادی داشته است. با این حال، وب روند نزولی داشته است. در حین گشت و گذار در اینترنت دسترسی به محتوای نزاعی مثل محتواهای خشونت آمیز آسان است. در واقع، کودکان در معرض شدید خشونت در اینترنت هستند؛ از سایت های کم عمق با حالت های بیرحمانه گرفته تا نمایش های مزاحمت آمیز شکنجه و آزار. امروزه کودکان و نوجوانان می توانند موزیک های خشن و ویدئو کلیپ ها و تصاویر خشن را با یک کلیک ماوس از اینترنت دانلود کنند. افراد جوان نیز از وب برای سیاحت استفاده می کنند و خلاقیت خود را به روش های مختلفی با ساختن فیلم ها، موزیک، وب سایت و بلاگ ها یا خاطرات آنلاین نشان می دهند. کار اولیه ما یک سیستم فیلتر و شناسایی محتوای خشن وب به نام WebAngels filter را پیشنهاد می دهد که از تحلیل های ساختاری و زمینه ای استفاده می کند. ابزار ارزیابی ما کارایی روش را برای شناسایی و فیلتر صفحات خشن وب نشان می دهد. با این وجود WebAngels filter با مشکلاتی در طبقه بندی سایت های خشن که فقط دارای محتوای خشن گرافیکی هستند مواجه است. در این مقاله، این مسئله را بررسی کرده و یک روش جدید طبقه بندی تصاویر خشن پیشنهاد می دهیم. ما روی استفاده از توصیف کننده های رنگ و ترکیب طبقه بندها تمرکز می کنیم تا دقت طبقه بندی تصاویر خشن وب را بهبود بخشیم. ادامه مقاله به این ترتیب سازماندهی شده است: در بخش 2 مروری روی کارهای انجام شده داریم. روش پیشنهادی برای طبقه بندی تصاویر خشن وب در بخش 3 ارائه می شود. نتایج ارزیابی و مقایسه ها در بخش 4 بحث می شود.

خرید

موارد مشابه با «تصاویر خشونت آمیز وب (ترجمه مقاله روانشناسی)»

اطلاعات کاربری
  • فراموشی رمز عبور؟
  • آمار سایت
  • کل مطالب : 6184
  • کل نظرات : 3
  • افراد آنلاین : 339
  • تعداد اعضا : 2
  • آی پی امروز : 437
  • آی پی دیروز : 76
  • بازدید امروز : 5,297
  • باردید دیروز : 128
  • گوگل امروز : 5
  • گوگل دیروز : 0
  • بازدید هفته : 5,297
  • بازدید ماه : 5,297
  • بازدید سال : 36,380
  • بازدید کلی : 661,627