ارائه یک چارچوب پیشنهاد شده برای نظر کاوی در فضای وب با استفاده ازتجزیه و تحلیل احساسات مبتنی بر ویژگی و تکنیک های متن کاوی در جهت تفکیک میزان رضایت مشتری از یک محصول

یکی از اصلی ترین پیش نیازهای رقابت درعصرحاضر، شناخت ماهیت تغییرات رقابتی،پیشبینی روندهای بازار و ترجیحات والگوهای رفتاری مشتریان است. روش پیشنهادی، برمبنای یادگیری چندکلاسه درراستای طبقه بندی 5 حالت مدنظر است.بدین منظور، دسته بند چندگانه ی MultiClassClassifier Multinomial Naive Bayes باشاخصهای اعتبارسنجی (OVA)، (OAO)، (ECOC)، مورد ارزیابی قرار گرفت.در راستای بهبود عمکرد این دسته بند از اعمال جایگزینی کلمات نظر با کلمات نظر نماینده ی هم قطب به همراه شاخص Trigram) N-gram و (Bigramاستفاده گردید. نتایج ارزیابی ها با استفاده از معیارهای دسته بندی متن شامل شاخص F-Measure، در این تحقیق نشان میدهد که دسته بندMultiClassClassifier Multinomial Naive Bayesبا شاخص اعتبارسنجیOVA،به همراه اعمال جایگزینی کلمات نظر با کلمات نظر همقطب و اعمال شاخص Trigram، نسبت به روشهای دیگر مورد مطالعه، از نتایج بهتری برخوردار است. نتایج نشان دهنده ی برتری روش پیشنهادی نسبت به روش دسته بند پایه ی Multinomial Naive Bayes و همچنین روش تنها کار انجام شده در زبان فارسی (تحقیق باباعلی و همکارش) است.با توجه به اینکه بخش عمدهی پژوهش های نظرکاوی در زبان انگلیسی و در سه سطح مثبت، منفی و خنثی صورت گرفته است و در سایر زبانها از جمله فارسی تحقیقات کمی انجام شده ، تحقیق انجام شده در زمینه ی نظرکاوی چندسطحی (تعیین شدت و قطبیت در بیش از سه سطح) در زبان فارسی جزء تحقیقات پیشگام میباشد.

کلیدواژه ها:

متن کاوی ، ، ریشه یابی ، تجزیه و تحلیل احساسات ، کدهای خروجی تصحیح کننده خطا ، شاخص کذاری . N-Gram