افزایش هو شتجاری براساس تحلیل عقاید در نقدهای فارسی

با گسترش تجارت الکترونیک و سیستم های مدیریت درخواست مشتری، روزانه حجم عظیمی از داده های متنی توسطکاربران به طور مستقیم و غیرمستقیم تولید می شود. این داده های متنی ارزش اطلاعاتی بسیار بالایی دارند و واضح وبدیهی است که بررسی تمامی آنها به طور دستی توسط انسان سخت و دشوار و در برخی موارد غیرممکن است. از طرفیخریداران یک محصول و حتی مدیران نیاز دارند تا اطلاعات جامع و کارآمدی که حاصل تمامی نظرات داده شده استرا مشاهده نمایند تا بتوانند در کوتاهترین زمان تصمیم درستی در خصوص کمیت و کیفیت در راستای گسترش خرید ویا فروش آن محصول اتخاذ نمایند. بررسی نتایج نشان می دهد که 81% کاربران اینترنت قبل از خرید یک محصول یاخدمات راجع به آن جستجو نموده اند و دیگر نظرات را مطالعه کرده اند. لذا در دهه اخیر، حوزه تحلیل احساست، نگاهبسیاری از محققان حوزه صنعت و دانشگاه را به خود معطوف کرده است اما متأسفانه بسیاری از این پژوهش ها مختصزبان انگلیسی بوده و کارهای بسیار کمی در زبان فارسی صورت پذیرفته است. در این مقاله به ارائه چارچوبی خواهیمپرداخت که می تواند با استفاده از متون نقد کاربران در زبان فارسی قطبیت آن را پیشبینی نموده و ویژگی های مورد نقدرا استخراج نماید. در این راستای، ابتدا در مرحله پیش پردازش داده ها با جداسازی کلمات و جملات، و ریشه یابیکلمات، اطلاعات موردنیاز از نقدها استخراج شده و در گام بعدی با استفاده از مدل SVM نظرات و عقیده کاربران درمورد یک محصول و ویژگی های آن طبقه بندی نمودیم. در پایان نیز مدل آموزش داده شده توانست با سرعت و دقتبالایی قطبیت نقدهای نوشته شده کاربران را به درستی پیش بینی نماید.

کلیدواژه ها:

هوش تجاری ، تحلیل احساسات ، عقیده کاوی ، پردازش زبان طبیعی ، مدل SVM