پیش بینی قطبیت احساسات در شبکه های اجتماعی مبتنی بر سیستم بازیابی اطلاعات

امروزه میلیون ها نفر درباره موضوع های گوناگون در شبکه های اجتماعی مانند توئیتر و... نظر میدهند. در نتیجه، سامانه های تحلیل احساسات پیوسته این رسانه ها را تحلیل می کنند، هدف این سامانه ها دسته بندی پست ها به دو گروه مثبت یا منفی است. با توجه به فراوانی موضوعات بررسی شده و یا کوتاه بودن پست ها، الگوریتم های یادگیری ماشین کلمات را به عنوان ویژگی در نظر گرفته که در رویکرد استاندارد منتج به بردارهای پراکنده می شود. در این مقاله، از ویژگی های مشتق در رتبه بندی استفاده می کنیم همچنین با استفاده از یک سیستم بازیابی اطلاعات این رتبه بندی در پاسخ به درخواست دسته بندی پست ها تولید می شود. سیستم پیشنهادی ۲۴ ویژگی دارد .آزمایش در پایگاه داده های واقعی نشان داد عملکرد دسته بند با توجه به این ۲۴ ویژگی بهتر از خط مبنای محقق شده است و این دسته بند، در مقایسه با پیشرفته ترین رویکردهای پرهزینه ، می تواند به نتایج صحیح برسد.

کلیدواژه ها:

تحلیل احساسات ، دیدگاه کاوی ، بازیابی اطلاعات ، دسته بندی قطبش