﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه فناوری اطلاعات و ارتباطات ایران</JournalTitle>
      <ISSN>2717-0411</ISSN>
      <Volume>16</Volume>
      <Issue>59</Issue>
      <PubDate PubStatus="epublish">
        <Year>2024</Year>
        <Month>6</Month>
        <Day>18</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>A Horizon for Sentiment Analysis in Social Networks based on Interpreting Contents</ArticleTitle>
    <VernacularTitle>افقی برای تحلیل سنجمان در شبکه‌های اجتماعی بر مبنای تفسیر محتوا</VernacularTitle>
    <FirstPage>71</FirstPage>
    <LastPage>83</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>مریم</FirstName>
        <LastName>طایفه محمودی</LastName>
        <Affiliation>گروه سامانه‌های پردازش و تحلیل داده‌ها، پژوهشکده فناوری اطلاعات، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>امیرمنصور </FirstName>
        <LastName>یادگاری</LastName>
        <Affiliation>پژوهشگاه ارتباطات و فناوری اطلاعات</Affiliation>
      </Author>
      <Author>
        <FirstName>پروين</FirstName>
        <LastName>احمدي</LastName>
        <Affiliation> Sharif University of Technology</Affiliation>
      </Author>
      <Author>
        <FirstName>کامبیز</FirstName>
        <LastName>بدیع</LastName>
        <Affiliation>پژوهشگاه ارتباطات و فناوري اطلاعات</Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2023</Year>
      <Month>1</Month>
      <Day>1</Day>
    </History>
    <Abstract>Interpreting contents in social networks with the aim of analyzing the sentiment of their narrators is of particular significance. In this paper, we present a framework for such a purpose, which is able to classify the messages hidden in contents based on using some rule-type protocols with high abstraction level. According to this framework, items such as prosodic of a content's narrator, context of disseminating a content and the key propositions in a content's text are regarded in the condition part of a protocol, while the possible classes for the message in a content are considered as its action part. It is to be noted that the proposed rule-type protocols can equally be used for other languages due to the generic-ness of the above-mentioned items. Results of computer simulations on a variety of different contents in the social networks show that the proposed framework is sufficiently capable of analyzing the sentiment of the contents' narrators in these networks.</Abstract>
    <OtherAbstract Language="FA">تفسير محتوا با هدف تحليل سنجمان راويان آن در شبكه هاي اجتماعي از اهميت وي‍ژه اي برخوردار است. اين اهميت عمدتاً به حساسيت محتوا در شبكه هاي اجتماعي از منظر نقش آن در اطلاع رساني و آگاهي رساني به آحاد و گروه هاي انساني باز مي گردد. در اين مقاله، چارچوبي براي تحليل سنجمان بر روي محتواهاي پيچيده در شبكه اجتماعي ارائه مي شود كه با استفاده از پروتكل هايي از نوع قواعد اگر- آنگاه كه در سطح انتزاع بالا تعريف شده اند، قادر است تا پيام مضموني مستتر در يك محتوا را براي كاربران شبكه هاي اجتماعي طبقه بندي نموده و از اين طريق آنان را در حد امكان با اصل محتوا آشنا سازد. طبق اين چارچوب، مواردي از قبيل لحن/ آهنگ اداي كلام،  همبافت انتشار محتوا و گزاره هاي كليدي در متن محتوا، در بخش مقدم پروتكل و طبقات ممكنه از پيام مستتر در يك محتوا در بخش تالي پروتكل قرار مي گيرد. شايان ذكر است كه پروتكل هاي قاعده گونه پيشنهادي، بخاطر خاصيت تعميم پذيري كه در موارد فوق نهفته قابل تسري به ساير زبان ها مي باشد. نتايج حاصل از شبيه سازي رايانه اي بر روي طيف قابل ملاحظه اي از محتواهاي گوناگون در شبكه هاي اجتماعي حاكي از آن است كه اين چارچوب از توانايي لازم براي تحليل سنجمان راويان مربوطه برخوردار مي باشد.</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">تفسير محتوا، تحليل سنجمان، شبكه اجتماعي، راوي محتوا، پروتكل قاعده-گونه</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://jour.aicti.ir/en/Article/Download/40639</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>