تجزیه و تحلیل آرا مبتنی بر ویژگی در حوزه ی نظرات کاربران

با افزایش روزافزون حجم نظرات کاربران در پلتفرمهای آنلاین نیاز به ابزارهای هوشمند برای تحلیل خودکار این نظرات بیش از پیش احساس می شود. این پژوهش یک مدل جامع برای تحلیل احساسات و استخراج نظر مبتنی بر ویژگی در زبان فارسی ارائه می دهد. در این پژوهش از مجموعه داده واقعی شامل نظرات کاربران استفاده شده است. فرآیند کار شامل مراحل پیش پردازش متن نظیر نرمال سازی، حذف کلمات توقف و ریشه یابی می باشد. برای تبدیل متن به بردارهای عددی از مدل برداری مبتنی بر تکرار واژه و معکوس فراوانی سند به همراه مدل پیشرفته و تخصصی زبان فارسی پارس برت استفاده شده است. سپس عملکرد شش مدل یادگیری ماشین شامل رگرسیون لجستیک بیز، ساده ماشین بردار پشتیبان، جنگل تصادفی، تقویت گرادیانی بهینه شده و گرادیان بوستینگ سبک وزن مورد ارزیابی قرار گرفته است. ارزیابی مدل ها با استفاده از معیارهای استاندارد دقت، صحت، بازیابی، امتیاز F۱ و منحنی مشخصه عملکرد گیرنده انجام شده است. علاوه بر تحلیل کلی، احساسات، الگوریتم مبتنی بر قوانین برای شناسایی ویژگی های محصول و استخراج احساسات مرتبط با هر ویژگی نیز پیاده سازی شده است. نتایج نشان می دهد که مدل های مبتنی بر یادگیری عمیق به ویژه پارس برت در تشخیص احساسات کلی عملکرد قابل توجهی دارند و سیستم تحلیل مبتنی بر ویژگی نیز توانایی بالایی در استخراج نظرات جزئی و دقیق کاربران از خود نشان می دهد.

کلیدواژه ها:

تحلیل احساسات ، استخراج نظر مبتنی بر ویژگی ، مدل برداری مبتنی بر تکرار واژه و معکوس فراوانی ، سند ، یادگیری ماشین ، ارزیابی مدل