تحلیل احساسات مبتنی بر جنبه روی نظرات کاربران در یک بازارگاه برخط

در سال های اخیر، با توجه به گسترش خریدهای اینترنتی و اهمیت بازخورد کاربران در بهبود کیفیت محصولات و خدمات، تحلیل احساسات روی نظرهای کاربران به یکی از مهم ترین ابزارها و فرصت های پیش روی کسب وکارها و خدمات برخط تبدیل شده است. در این پژوهش رویکردهای مختلف مبتنی بر شبکه عصبی پیچشی، مدل زبانی برت و همچنین مدل زبانی فست تکست برای تحلیل احساسات نظرهای کاربران در مورد تلفن همراه در جنبه های دوربین، باتری و قیمت در یک بازارگاه اینترنتی بررسی شده است. در همین راستا، داده ها مبتنی بر جنبه و بر اساس سه احساس مثبت، منفی و خنثی برچسب گذاری شد. همچنین برای بهبود عملکرد رویکردهای پیشنهادی و عدم توازن بین داده ها، از روش های افزایش داده ها استفاده و تاثیر آن ها بررسی شده است. در نهایت با استفاده از مدل های پیشنهادی، دقت بسیار بالایی در تشخیص نظرهای مثبت، منفی و خنثی در هر جنبه به دست آمد. بر اساس نتایج، رویکرد پیشنهادی مبتنی بر شبکه عصبی پیچشی، عملکرد بهتری نسبت به دو روش پیشنهادی دیگر روی داده های مورد نظر داشته است.

کلیدواژه ها:

تحلیل احساسات ، فست تکست ، جنبه های مختلف نظرها ، یادگیری عمیق ، شبکه عصبی پیچشی ، برت