تحلیل احساسات کاربران با استفاده از ترکیب روش های یادگیری ماشین

استفاده از نظرات و تجربیات دیگران، نقش بسزایی در تصمیم گیری افراد ایفاد می کند. با گسترش استفاده از اینترنت، روزانه حجم بالایی از این نظرات در مورد مسائل مختلف، توسط کاربران در صفحات وب منتشر می شود. باتوجه به حجم انبوه مطالب و تضاد نظرات افراد با یکدیگر، نیاز به کاوش خودکار این نظرات بیش از پیش احساس می شود. این مسئله منجر به پیدایش زمینه ی پژوهشی جدید برای کاوش نظرات کاربران با نام عقیده کاوی شده است. تحلیل احساسات یا عقیده کاوی فرآیندی است که نظرات، احساسات و نگرش افراد در ارتباط با موضوعی خاص استخراج می شود و به عنوان شاخه ای از متن کاوی شناخته می شود. نتایج حاصل از تحلیل احساسات می تواند در سیستم های پیشنهاد دهنده جهت ارائه پیشنهادهای کارا برای خرید مورد استفاده قرار گیرد. دراین مقاله پس از بکارگیری الگوریتم های طبقه بندی شامل ماشین بردارپشتیبان، شبکه عصبی پرسپترون، کا نزدیک ترین همسایه، درخت تصمیم، رگرسیون لجستیک و نایو بیز برروی مجموعه دادها با ترکیب سه روش منتخب از میان روش های نامبرده شده که دارای بالاترین دقت در پیش بینی قطبیت نظرات کاربران بوده اند، شاخص عملکرد دقت را طبقه بندی نظرات افزایش داده ایم.

کلیدواژه ها:

تحلیل احساسات ، عقیده کاوی ، یادگیری ماشین ، مدل ترکیبی