دانلود مقاله ISI انگلیسی شماره 143692
ترجمه فارسی عنوان مقاله

تجزیه و تحلیل احساسات در طول طوفان سندی در پاسخ اضطراری

عنوان انگلیسی
Sentiment analysis during Hurricane Sandy in emergency response
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
143692 2017 10 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Disaster Risk Reduction, Volume 21, March 2017, Pages 213-222

ترجمه کلمات کلیدی
طبقه بندی احساسات، توییت های مربوط به فاجعه، طوفان شنی، واگرایی احساسی، بازخورد
کلمات کلیدی انگلیسی
Sentiment classification; Disaster-related tweets; Hurricane Sandy; Emotional divergence; Retweetability;
ترجمه چکیده
تجزیه و تحلیل احساسات در حوزه سایت های بررسی آنلاین به طور گسترده مورد تحقیق قرار گرفته است، با هدف تولید خلاصه ای از نظرات کاربران در مورد جنبه های مختلف محصولات. با این حال، کار کمی با توجه به شناسایی قطبیت احساسات بیان شده توسط کاربران در حوادث فاجعه است. شناسایی چنین احساساتی از سایت های شبکه های اجتماعی آنلاین می تواند به پاسخ های اضطراری کمک کند تا پویایی شبکه را درک کند، مثلا نگرانی های کاربران، هراس و تأثیرات احساسی تعاملات بین اعضا. در این مقاله، ما تجزیه و تحلیل احساسات از توییت های ارسال شده در توییتر در طول ترسناک طوفان شن و ماسه و تجسم احساسات کاربران آنلاین در یک نقشه جغرافیایی محور در اطراف طوفان است. ما نشان می دهیم که احساسات کاربران نه تنها به مکان هایشان تغییر می کند، بلکه براساس فاصله از وقوع فاجعه است. علاوه بر این، ما مطالعه می کنیم که چگونه اختلاف احساس در یک صدای جیر جیر ارسال شده در طول طوفان بر صدای ضبط صدای جیر جیر تاثیر می گذارد. ما متوجه می شویم که احساسات استخراج در طی یک فاجعه ممکن است به پاسخ های اضطراری کمک کند تا آگاهی موقعیت موقعیتی را در خود منطقه به وجود آورد.
پیش نمایش مقاله
پیش نمایش مقاله  تجزیه و تحلیل احساسات در طول طوفان سندی در پاسخ اضطراری

چکیده انگلیسی

Sentiment analysis has been widely researched in the domain of online review sites with the aim of generating summarized opinions of users about different aspects of products. However, there has been little work focusing on identifying the polarity of sentiments expressed by users during disaster events. Identifying such sentiments from online social networking sites can help emergency responders understand the dynamics of the network, e.g., the main users' concerns, panics, and the emotional impacts of interactions among members. In this paper, we perform a sentiment analysis of tweets posted on Twitter during the disastrous Hurricane Sandy and visualize online users' sentiments on a geographical map centered around the hurricane. We show how users' sentiments change according not only to their locations, but also based on the distance from the disaster. In addition, we study how the divergence of sentiments in a tweet posted during the hurricane affects the tweet retweetability. We find that extracting sentiments during a disaster may help emergency responders develop stronger situational awareness of the disaster zone itself.