دانلود مقاله ISI انگلیسی شماره 83076
ترجمه فارسی عنوان مقاله

استفاده از منطق فازی برای تحلیل احساسات داده های شبکه های اجتماعی در بازاریابی

عنوان انگلیسی
Applying fuzzy logic for sentiment analysis of social media network data in marketing
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
83076 2017 7 صفحه PDF
منبع

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

Journal : Procedia Computer Science, Volume 120, 2017, Pages 664-670

ترجمه کلمات کلیدی
نرم افزار محاسباتی نرم. منطق فازی، ربات های اجتماعی، تجزیه و تحلیل احساسات، شبکه های رسانه ای اجتماعی، مدیریت ارتباط با مشتری،
کلمات کلیدی انگلیسی
soft computing application; fuzzy logic; social bots; sentiment analysis; social media networks; customer relationship management;
ترجمه چکیده
مقدار داده ها به طور آزاد از شبکه های اجتماعی به صورت روزانه افزایش می یابد. بخش عمده ای از این داده ها مربوط به نظرات و نظرات سازمان ها است و به همین ترتیب برای جمع آوری اطلاعات کسب و کار در بازاریابی، مدیریت ارتباط با مشتری و حفظ مشتری مورد توجه است. با استفاده از محاسبات نرم، به طور خاص منطق فازی، طراحی، ایجاد و ساختن ربات های اجتماعی امکان تحلیل نظرات مصرف کنندگان در شبکه های رسانه ای اجتماعی را امکان پذیر خواهد بود. برنامه ریزی های بیشتر می تواند این ربات های اجتماعی را با مصرف کنندگان ارتباط برقرار کند و ربات های اجتماعی با دقت تولید می توانند کمپین های بازاریابی را پخش کنند. این مقاله یک مدل برای تحلیل احساسات داده های شبکه های اجتماعی ارائه می دهد.
پیش نمایش مقاله
پیش نمایش مقاله  استفاده از منطق فازی برای تحلیل احساسات داده های شبکه های اجتماعی در بازاریابی

چکیده انگلیسی

The amount of data freely available from social networking grows on an hourly basis. Much of this data concerns consumers perceptions and opinions of organizations, and as such is of interest to business intelligence gatherers in marketing, for customer relationship management and customer retention. With the use of soft computing, specifically fuzzy logic, it will be possible to design, create and build social bots that can analyse consumer comments in social media networks. Further programming would allow these social bots to interact with consumers, and carefully produced social bots would be able to disseminate marketing campaigns. This paper proposes a model for sentiment analysis of social media network data.