افزایش دقت در تحلیل احساسات شبکه های اجتماعی با استفاده از مطالعات مقایسه ای و تکنیک های یادگیری ماشین

در حوزه گسترده ی تحلیل شبکه های اجتماعی، تحلیل احساسات یکی از ابزارهای مهمی است که می تواند برای استخراج اطلاعات مفید از حجم عظیمی از داده های متنی مورد استفاده قرار گیرد. با این حال، یکی از مشکلات اصلی که همچنان در تحلیل احساسات وجود دارد، دقت آن است، زیرا درک دقیق معنای متن در سطح گسترده ی اینترنت چالش برانگیز است. در این پژوهش، الگوریتم های یادگیری ماشین مانند نایو بیز ، ماشین بردار پشتیبان و سایر روش ها مقایسه شده اند تا کارایی آن ها در افزایش دقت تحلیل احساسات در شبکه های اجتماعی سنجیده شود. داده ها از منابع مختلف شبکه های اجتماعی جمع آوری شده و پس از مراحل پیش پردازش سخت گیرانه، از جمله نرمال سازی متن و استخراج ویژگی ها، عملکرد هر مدل ارزیابی شده است. یافته های این پژوهش نشان می دهد که دقت مدل ها تفاوت های قابل توجهی دارد و شرایط بهینه عملکرد آن ها را مشخص می کند. این تحقیق شکاف موجود در ادبیات پژوهشی را پر کرده و بینشی دقیق از نقاط قوت و ضعف هر روش یادگیری ماشین در کاربردهای تحلیل احساسات ارائه می دهد که می تواند برای محققان و متخصصان در بهبود دقت تحلیلی در زمینه شبکه های اجتماعی مفید باشد.

کلیدواژه ها:

تحلیل احساسات ، تحلیل شبکه های اجتماعی ، یادگیری ماشین ، طبقه بندی کننده نایو بیز ، ماشین بردار پشتیبان ، پیش پردازش متن.