ارائه یک روش ترکیبی مبتنی بر درخت تصمیم و الگوریتم SVM به منظور بهبود نتایج عقیده کاوی

در دنیای امروزی و وضعیت موجود، انسانها ارتباط بسیار زیادی با اینترنت و فضای مجازی و همچنین شبکه ها و رسانه های اجتماعی دارند. از طرفی دیگر، در حوزه های مختلف اعم از بازاریابی، اجتماعی، جامعه شناسی، اقتصادی، فیلم و غیره، مسئولان در پی بهبود و یا ایجاد تغییرات لازمه با بهره از نظرات مردم و یا کاربران و مشتریان میباشند. حوزه عقیده کاوی به این خواسته کارشناسان و مسئولین کمک میکند تا با استفاده بستر اینترنت و شبکه ها و رسانه های اجتماعی که بهترین منبع برای نظرات و عقاید مردم هستند، به حوزه مدنظر یاری رساند و موجب بهبود آن شود. تحلیل احساسات نیز که از زیر مجموعه های حوزه کلی تر عقیده کاوی است، به تحلیل نظرات و عقاید گفته شده مردم ازنظر مثبت یا منفی یا خنثی بودن آنها در رابطه با موضوع مدنظر میپردازد. با ایجاد و گسترش وب و افزایش چشمگیر حجم اطلاعات و توسعه وب، نیاز به روش ها و تکنیک هایی که بتوانند امکان دستیابی کارا به داده ها و استخراج اطلاعات از آنها را فراهم کنند، بیش از پیش احساس می شود. وب کاوی یکی از زمینه های تحقیقاتی است که با به کارگیری تکنیک های داده کاوی به کشف و استخراج خودکار اطلاعات از اسناد و سرویس های وب می پردازد. در واقع وب کاوی، فرآیند کشف اطلاعات و دانش ناشناخته و مفید از داده های وب می باشد. روش های وب کاوی بر اساس آن که چه نوع داده ای را مورد کاوش قرار می دهند، به سه دسته کاوش محتوای وب، کاوش ساختار وب و کاوش استفاده از وب تقسیم می شوند. این تحقیق به ارتباط عقیده کاوی با سایر زمینه های تحقیقاتی پرداخته و تعدادی از روش های پیشین استفاده شده مورد بررسی و واکاوی قرار گرفته و در نهایت روشی مبتنی بر دو الگوریتم درخت تصمیم و ماشین بردار ارائه گردیده که منجر به بهبود نتایج عقیده کاوی خواهد شد.

کلیدواژه ها:

عقیده کاوی ، تحلیل احساسات ، درخت تصمیم ، کلاس بندی و الگوریتم SVM