ارائه چارچوبی هوشمند برای تحلیل احساسات فارسی در بازاریابی دیجیتال با بهره گیری از مدل های Transformer

با گسترش شبکه های اجتماعی و پلتفرم های تجارت الکترونیک داده های متنی حاصل از نظرات کاربران منبعی کلیدی برای شناخت نگرش مشتریان شده است. با این حال تحلیل موثر احساسات برای زبان فارسی به دلیل ابهام های زبانی، ساختارهای مولفانه و کمبود داده های برچسب خورده چالشی باقی مانده است. در این مقاله چارچوبی هوشمند مبتنی بر مدل های Transformer به ویژه ParsBERT برای تحلیل احساسات فارسی در حوزه بازاریابی دیجیتال پیشنهاد می شود. فرایند پیشنهادی شامل جمع آوری و نمونه برداری هدفمند از نظرات کاربران، پیش پردازش بومی شده متون فارسی، فاین تیونینگ مدل ParsBERT همراه با ادغام ویژگی های آماری و مصورسازی و تحلیل نتایج است. ارزیابی های تجربی نشان می دهد که مدل پیشنهادی در مقایسه با روش های پایه (LSTM و Naive Bayes) بهبود معناداری در معیارهای عملکرد ارائه می دهد (Precision=۰.۸۹، Recall=۰.۹۰، F۱=۰.۸۸). این نتایج نشان می دهد چارچوب عرضه شده می تواند به عنوان ابزاری عملی برای بهینه سازی تصمیم گیری های بازاریابی دیجیتال و ارتقای تجربه مشتری مورد استفاده قرار گیرد.

کلیدواژه ها:

تحلیل احساسات ، بازاریابی دیجیتال ، یادگیری عمیق ، مدل Transformer ، پردازش زبان فارسی