ارائه چارچوبی برای تحلیل احساس در شبکه‌های اجتماعی بر مبنای تفسیر محتوا

تفسیر محتوا با هدف تحلیل احساس (سنجمان) راویان آن در شبکه های اجتماعی به علت حساسیت محتوا از منظر نقشی که در اطلاع رسانیو آگاهی رسانی به آحاد و گروه های انسانی دارد از اهمیت وی‍ژه ای برخوردار است. در این مقاله، چارچوبی برای تحلیل احساس بر روی محتواهای پیچیده در شبکه اجتماعی ارائه می شود که با استفاده از پروتکل هایی از نوع قواعد اگر- آنگاه که در سطح انتزاع بالا تعریف شده اند، قادر است تا پیام مضمونی مستتر در یک محتوا را برای کاربران شبکه های اجتماعی طبقه بندی نموده و از این طریق آنان را در حد امکان با اصل محتوا آشنا سازد. طبق این چارچوب، مواردی از قبیل لحن/ آهنگ ادای کلام، همبافت انتشار محتوا و گزاره های کلیدی در متن محتوا، در بخش مقدم پروتکل و طبقات ممکنه از پیام مستتر در یک محتوا در بخش تالی پروتکل قرار می گیرد. شایان ذکر است که پروتکل های قاعده گونه پیشنهادی، بخاطر خاصیت تعمیم پذیری که در موارد فوق نهفته قابل تسری به سایر زبان ها می باشد. نتایج حاصل از شبیه سازی رایانه ای بر روی طیف قابل ملاحظه ای از محتواهای گوناگون در شبکه های اجتماعی حاکی از آن است که این چارچوب از توانایی لازم برای تحلیل سنجمان راویان مربوطه برخوردار می باشد.

a framework for sentiment analysis in social networks based on interpreting contents

interpreting contents with the aim of analyzing the sentiment of their narrators in social networks, holds a high significance due to the role of a content in disseminating information to the corresponding human groups. in this paper, we propose a framework for analyzing sentiment on complex contents in a social network according to which a set of if-then type rules defined at high abstraction level, would be able to classify the messages behind these contents. according to this framework, items such as prosodic, context and key propositions are considered in the condition part of a rule and possible classes of message are taken into account in a rule’s action part. it is to be noted that the rules proposed for interpreting a content do not depend on the considered language due to the very inherent property of the items which are considered in interpretation. results of experiments on a wide range of different contents in a social network support the fact that the proposed framework is sufficiently capable of analyzing the sentiments of contents’ narrators.