ارزیابی هوشمند کیفیت خدمات حمل ونقل عمومی شهر تهران: توسعه یک چارچوب تحلیل احساسات جنبه محور (ABSA) مبتنی بر مدل های زبانی ترانسفورمر

مدیریت کارآمد سیستم های حمل ونقل عمومی نیازمند پایش مستمر و دقیق نظرات شهروندان است. با توجه به محدودیت ها، هزینه های بالا و نواقص نظرسنجی های سنتی، استفاده از رویکردهای داده محور ضرورت یافته است. با این وجود، فقدان یک سیستم بومی کارآمد برای تحلیل دقیق نظرات در زبان فارسی همچنان یک شکاف تحقیقاتی محسوب می شود. هدف اصلی این پژوهش، ارزیابی هوشمند کیفیت خدمات حمل ونقل عمومی شهر تهران از طریق توسعه یک چارچوب تحلیل احساسات جنبه محور (ABSA) مبتنی بر مدل های زبانی ترانسفورمر است. برای انجام این کار، پیکره ای شامل ۵۰۰۰ نظر متنی ثبت شده توسط شهروندان در شبکه های اجتماعی و برنامه های مسیریابی بومی به روش هدفمند جمع آوری گردید. پس از انجام مراحل پیش پردازش، مدل زبانی ParsBERT به عنوان هسته اصلی چارچوب به کار گرفته شد. در این معماری، برای استخراج جنبه های مختلف خدمت (شامل زمان بندی، هزینه، نظافت و رفتار پرسنل) و پیش بینی قطبیت احساسات مربوط به هر یک استفاده گردید. نتایج به دست آمده نشان دهنده موفقیت بالای این مطالعه در حل مسئله است. ارزیابی مدل حاکی از آن است که چارچوب پیشنهادی مبتنی بر ParsBERT با دستیابی به معیار ارزیابی=۰.۸۹ ۱ F، برتری قاطعی نسبت به مدل های یادگیری ماشین سنتی (مانند ماشین بردار پشتیبان) و شبکه های عصبی (مانند BiLSTM) در درک پیچیدگی ها و لحن محاوره ای زبان فارسی دارد. همچنین، تحلیل خروجی های سیستم نشان داد که شاخص «زمان بندی» با دریافت بیشترین بازخورد منفی، بحرانی ترین نقطه ضعف ناوگان شهری تهران است. این پژوهش ثابت می کند که بهره گیری از ترانسفورمرهای بومی سازی شده می تواند جایگزین بسیار موفقی برای روش های سنتی ارزیابی رضایت مسافران باشد و بستر لازم برای تصمیم گیری های هوشمند و بهبود هدفمند خدمات شهری را فراهم آورد.

کلیدواژه ها:

تحلیل احساسات جنبه محور ، حمل ونقل عمومی ، شهر تهران ، مدل های ترانسفورمر ، ParsBERT.