Sentic Computing: A Common-Sense-Based Framework for Concept-Level Sentiment Analysis

این جلد یک رویکرد مبتنی بر دانش را برای تجزیه و تحلیل احساسات در سطح مفهوم در تقاطع بین محاسبات عاطفی، استخراج اطلاعات و محاسبات عقل سلیم ارائه می‌کند، که از علوم رایانه و علوم اجتماعی برای تفسیر و پردازش بهتر اطلاعات در وب استفاده می‌کند.
تجزیه و تحلیل احساسات در سطح مفهوم فراتر از یک تحلیل صرف در سطح کلمه از متن است تا امکان عبور کارآمدتر از اطلاعات متنی (بدون ساختار) به داده‌های قابل پردازش ماشینی (ساخت‌یافته) در هر حوزه بالقوه‌ای را فراهم کند.



br>خوانندگان نوآوری های کلیدی زیر را کشف خواهند کرد که این رویکرد را بسیار منحصر به فرد و آوانگارد می کند و مورد بررسی و بحث قرار می گیرد:
• رویکرد چند رشته ای Sentic Computing برای تجزیه و تحلیل احساسات که با استفاده همزمان از هوش مصنوعی، زبان شناسی و روانشناسی برای بازنمایی و استنتاج دانش
• تغییر محاسبات Sentic از نحو به معناشناسی با پذیرش مدل مجموعه مفاهیم به جای شمارش ساده فراوانی های همزمان کلمات در متن فعال شد
• تغییر محاسبات Sentic از آمار به زبان شناسی - با اجازه دادن به احساسات برای جریان یافتن از مفهومی به مفهوم دیگر بر اساس رابطه وابستگی بین بندها اجرا می شود

این جلد اولین جلد در مجموعه محاسبات اجتماعی- عاطفی است که توسط دکتر امیر حسین و دکتر اریک کامبریا ویرایش شده است و خواهد بود. مورد علاقه محققان در زمینه‌های تعامل و سیستم‌های هوش اجتماعی، عاطفی و چندوجهی انسان و ماشین باشد.

This volume presents a knowledge-based approach to concept-level sentiment analysis at the crossroads between affective computing, information extraction, and common-sense computing, which exploits both computer and social sciences to better interpret and process information on the Web.
Concept-level sentiment analysis goes beyond a mere word-level analysis of text in order to enable a more efficient passage from (unstructured) textual information to (structured) machine-processable data, in potentially any domain.

Readers will discover the following key novelties, that make this approach so unique and avant-garde, being reviewed and discussed:
• Sentic Computing's multi-disciplinary approach to sentiment analysis-evidenced by the concomitant use of AI, linguistics and psychology for knowledge representation and inference
• Sentic Computing’s shift from syntax to semantics-enabled by the adoption of the bag-of-concepts model instead of simply counting word co-occurrence frequencies in text
• Sentic Computing's shift from statistics to linguistics-implemented by allowing sentiments to flow from concept to concept based on the dependency relation between clauses

This volume is the first in the Series Socio-Affective Computing edited by Dr Amir Hussain and Dr Erik Cambria and will be of interest to researchers in the fields of socially intelligent, affective and multimodal human-machine interaction and systems.