بررسی نظرات کاربران در شبکه های اجتماعی توییتر با استفاده از الگوریتم های یادگیری ماشین

در سالهای اخیر تحلیل عقاید به عنوان یکی از حوزه های مهم در پردازش زبان طبیعی شناخته شده است. با رشد استفاده از رسانه های اجتماعی مانند توییتر، کاربران می توانند دیدگاه ها و احساسات خود را از طریق متن، شکلک ها و دیگر نمادها بیان کنند. این پژوهش با هدف تحلیل دیدگاه های کاربران درباره خطوط پرواز با جمع آوری و پاکسازی مجموعه ای شامل ۲۵،۰۰۰ توییت آغاز شده است. در ادامه، با استفاده از تکنیک های پردازش متن و تحلیل احساسات توییت ها به صورت دستی برچسب گذاری و به دو دسته مثبت و منفی تقسیم شدند. برای طبقه بندی این داده ها از مدل های مختلف یادگیری ماشین مانند درخت تصمیم، بیز ساده، رگرسیون لجستیک، جنگل تصادفی و ماشین بردار پشتیبان استفاده شد. همچنین یک مدل یادگیری عمیق مبتنی بر حافظه طولانی کوتاه مدت (LSTM) نیز برای تحلیل بهتر به کار گرفته شد. نتایج نشان داد که مدل LSTM نسبت به سایر الگوریتم ها عملکرد بهتری در معیارهای دقت، صحت، فراخوانی و F۱ دارد. بنابراین استفاده از الگوریتم های یادگیری عمیق می تواند نقش موثری در بهبود دقت تحلیل عقاید کاربران در شبکه های اجتماعی ایفا کند.

کلیدواژه ها:

تحلیل ، عقاید ، یادگیری ماشین ، یادگیری عمیق ، الگوریتم ، حافظه طولانی کوتاه مدت