تحلیل احساس و کلاس بندی نظرات مشتریان فروشگاهی با استفاده از یادگیری ماشین

امروزه تشخیص احساسات با توجه به رقابت محصولات از اهمیت ویژه ای برخوردار است. در این پژوهش به تحلیل و طبقه بندی نظرات مشتریان مک دونالد بر مبنای احساسات آنان پرداخته شده و هدف آن فهم عمیق تری از تجربه مشتریان و ارزیابی کیفیت خدمات ارائه شده توسط این رستوران زنجیره ای می باشد. برای این منظور، از یک دیتاست جامع شامل نظرات ثبت شده توسط کاربران جمع آوری شده است. در این پروژه، نظرات مشتریان به سه دسته اصلی مثبت، خنثی و منفی طبقه بندی شدند. جهت انجام این تحلیل، از تکنیک های پیشرفته یادگیری ماشین بهره گیری شده است. روش هایی مانند نایوبیز (Naive Bayes)، رگرسیون لجستیک، ماشین های بردار پشتیبان (SVM) و... به عنوان ابزارهای اصلی تحلیل انتخاب شدند. این انتخاب به منظور مقایسه و ارزیابی کارایی این الگوریتم ها در طبقه بندی احساسات صورت گرفت. نتایج به دست آمده نشان می دهد که مدل ماشین های بردار پشتیبان (SVM) به عنوان بهترین روش شناخته شده و توانسته است دقت ۹۳ درصدی را در طبقه بندی نظرات مشتریان به ثبت برساند. این مطالعه نشان دهنده اثر بخشی بالای الگوریتم های یادگیری ماشین در تحلیل احساسات و نظرات مشتریان است و می تواند به بهبود خدمات و تجربه مشتری در صنایع غذایی کمک کند.

کلیدواژه ها:

تشخیص احساسات ، یادگیری ماشین ، ماشین بردار پشتیبان