| تعداد نشریات | 60 |
| تعداد شماره‌ها | 2,171 |
| تعداد مقالات | 17,554 |
| تعداد مشاهده مقاله | 52,335,071 |
| تعداد دریافت فایل اصل مقاله | 28,015,946 |
تحلیل احساسات و موضوع‌کاوی توییت‌های شرکت‌های هواپیمایی ایران (مبتنی بر یادگیری ماشین و مدل‌های زبانی) | ||
| فصلنامه مطالعات مدیریت گردشگری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 04 آبان 1404 اصل مقاله (606.99 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/tms.2025.87482.3099 | ||
| نویسندگان | ||
| غزاله سلطانی1؛ آمنه خدیور* 2؛ ندا پراویان3 | ||
| 1گروه مدیریت ، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران | ||
| 2دانشیار، گروه مدیریت ، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران | ||
| 3دانشجوی دکتری، مدیریت فناوری اطلاعات، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران | ||
| چکیده | ||
| با گسترش اینترنت و ظهور رسانه‌های اجتماعی، شرکت‌های هواپیمایی از این بسترها برای تعامل با مشتریان بهره می‌برند. توییتر، به‌عنوان یکی از پرکاربرترین پلتفرم‌های میکروبلاگ، نقشی مهم در ارتباط میان این شرکت‌ها و مسافران دارد. این پژوهش با هدف تحلیل احساسات و موضوعات پیرامون شرکت‌های هواپیمایی ایرانی در توییتر، بر اساس ۲۸۷۶ توییت انگلیسی (آوریل ۲۰۰۸ تا مارس ۲۰۲۴) گردآوری‌شده با Playwright انجام شد. پس از پیش‌پردازش و تفسیر ۲۳۰ ایموجی با هوش مصنوعی، برچسب‌گذاری احساسی با دو رویکرد واژگانی و یادگیری ماشینی (مدل RoBERTa) صورت گرفت. در میان پنج الگوریتم، رگرسیون لجستیک با روش واژگانی و امتیاز F برابر 0.81 بهترین عملکرد را داشت. افزودن اطلاعات ایموجی‌ها دقت مدل‌ها را به‌طور معناداری بهبود بخشید. تحلیل موضوعی با LDA نشان داد «امنیت» اصلی‌ترین دغدغه کاربران است. این نتایج می‌تواند به بهینه‌سازی راهبردهای ارتباطی و خدماتی شرکت‌های هواپیمایی ایرانی کمک کند. | ||
| کلیدواژه‌ها | ||
| تحلیل احساسات؛ موضوع کاوی؛ توییتر؛ یادگیری عمیق؛ رویکرد مبتنی بر واژگان | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 27 تعداد دریافت فایل اصل مقاله: 16 |
||