سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات162
تعداد شماره‌ها6,693
تعداد مقالات72,243
تعداد مشاهده مقاله129,248,149
تعداد دریافت فایل اصل مقاله102,086,085
محمدی, مریم, قدوسی, فاطمه. (1404). تحلیل احساسات کاربرانِ پارک‌های شهری مبتنی بر داده‌های فضای مجازی؛ با بهره‌گیری از روش‌های مدل‌گرا و غیرمدل‌گرا. , 13(1), -. doi: 10.22059/jurbangeo.2025.382327.1988
مریم محمدی; فاطمه قدوسی. "تحلیل احساسات کاربرانِ پارک‌های شهری مبتنی بر داده‌های فضای مجازی؛ با بهره‌گیری از روش‌های مدل‌گرا و غیرمدل‌گرا". , 13, 1, 1404, -. doi: 10.22059/jurbangeo.2025.382327.1988
محمدی, مریم, قدوسی, فاطمه. (1404). 'تحلیل احساسات کاربرانِ پارک‌های شهری مبتنی بر داده‌های فضای مجازی؛ با بهره‌گیری از روش‌های مدل‌گرا و غیرمدل‌گرا', , 13(1), pp. -. doi: 10.22059/jurbangeo.2025.382327.1988
محمدی, مریم, قدوسی, فاطمه. تحلیل احساسات کاربرانِ پارک‌های شهری مبتنی بر داده‌های فضای مجازی؛ با بهره‌گیری از روش‌های مدل‌گرا و غیرمدل‌گرا. , 1404; 13(1): -. doi: 10.22059/jurbangeo.2025.382327.1988

تحلیل احساسات کاربرانِ پارک‌های شهری مبتنی بر داده‌های فضای مجازی؛ با بهره‌گیری از روش‌های مدل‌گرا و غیرمدل‌گرا

پژوهش‌های جغرافیای برنامه‌ریزی شهری
دوره 13، شماره 1، فروردین 1404
نوع مقاله: پژوهشی - کاربردی
شناسه دیجیتال (DOI): 10.22059/jurbangeo.2025.382327.1988
نویسندگان
مریم محمدی* 1؛ فاطمه قدوسی2
1گروه آموزشی طراحی شهری، دانشکده معماری و شهرسازی، دانشگاه هنر ایران، تهران، ایران
2گروه طراحی شهری، دانشگاه هنر ایران
چکیده
برای سنجش احساسات، از میان روش‌های مطرح در تحلیل احساسات، روش‌های مبتنی بر داده‌های فضای اجتماعی مجازی و داده‌کاوی که روش‌های نسبتاً نوین هستند، استفاده شده است. بنابراین پژوهش حاضر، از نوع تحلیلی و مبتنی بر روش کمی (رویکرد یادگیری ماشین نظارت شده و مبتنی بر لغت) است. در این پژوهش از گوگل‌مپ و داده‌های متنی به‌عنوان منبعی برای استخراج نظرات کاربران از نمونه‌ی مطالعاتی پژوهش -پارک ملت تهران- استفاده شده است. تعداد نظرات مورد استفاده از شبکه‌ی اجتماعی منتخب پس از متعادل‌سازی با تکنیک اسموت، 1692 رکورد بوده است. پس از پیش‌پردازش و برچسب‌گذاری، داده‌ها با دو روش: مدل‌گرا و غیرمدل‌گرا، بررسی و تحلیل احساسات با زبان برنامه‌نویسی پایتون، انجام شده‌ است. مقایسه‌ی این دو روش نشان داد که از میان الگوریتم‌های یادگیری ماشین، ایکس‌.جی.‌بوست با بیشترین دقت (87 درصد)، کی-نزدیکترین همسایه و ماشین بردار پشتیبان با دقت کمتر، قابلیت پیش‌بینی احساسات در فضاهای سبز را دارند. روش لغوی (که از فرهنگ لغت ویدر که روشی مبتنی بر قانون است، بهره برده) در مقایسه با یادگیری ماشین، قابلیت پیش‌بینی کمتری دارد. برای بالا بردن میزان پیش‌بینی‌پذیری از مدل یادگیری گروهی از نوع پشته‌سازی استفاده شده که با توجه به نتایج ماتریس درهم‌آمیختگی با دقت 96 درصد، قابلیت پیش‌بینی احساسات شهری را دارد. بنابراین با بهره‌گیری از این روش در تحلیل احساسات شهری که مبتنی بر داده‌های فضای مجازی است، می‌توان با آموزش ماشین، به پیش‌بینی احساسات کاربران سایر فضاهای سبز شهری با سرعت و دقت بالا در شهر تهران دست یافت.
کلیدواژه‌ها
Sentiment Analysis؛ Park؛ Social Network؛ Lexical Method؛ Blending Learning
مراجع
آمار
تعداد مشاهده مقاله: 28





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب