تشخیص احساسات مبتنی برمتن در شبکه های اجتماعی آنلاین با استفاده از ترکیب adaboost طبقه بندی

احساس کاوی با بازیابی اطلاعات و استخراج دانش از متن با استفاده از داده کاوی و پردازش زبان طبیعی سروکار دارد. داده ها به دلیل بروزرسانیهای دائمی و افزودن اطلاعات جدید در هر لحظه به سرعت در حال تغییر هستند. با استفاده از روش جدید ترکیب ویژگی می توان مجموعه ویژگیها را بیشتر از روش انتخاب ویژگی کاهش داد بطوریکه به یک زیر مجموعه با حجم بسیار کمتر و قدرت تشخیص بالاتر رسید. همانطور که میدانیم در طبقه بندی متون کلمات مترادف به عنوان ویژگیهای مختلف در نظر گرفته میشوند. ایده اصلی روش ترکیب ویژگی از اینجا می آید که ترکیب ویژگیهای مترادف باعث تولید ویژگیهای بهتر میگردند. با توجه به پیچیدگی مسئله جهت انجام جستجو استفاده از روشهای فراابتکاری میتواند در یافتن ترکیبات بهتری از ویژگیها و در نتیجه افزایش کارایی طبقه بندی مفید باشد. در این پروژه از روش فرا ابتکاری الگوریتم بهینه سازی آموزش و یادگیری (TLBO) بدلیل سادگی و سرعت آن جهت طبقه بندی در زمینه نظرات افراد استفاده خواهد شد. استفاده از روش پیشنهادی تاثیر فراوانی در کاهش داده و در نتیجه افزایش کارایی طبقه بندی در زمینه عقیده کاوی داشته است. در این پژوهش برای طبقه بندی نظرات از آدابوست استفاده میکنیم که یک روش ترکیبی برای طبقه بندی است. آدابست دقت طبقه بندی را در مقایسه با Regression و SVM را بطور میانگین به ترتیب ۸ و ۱۱ در دصد بهبود دهد