ارائه روشی جهت طبقه بندی نظرات افراد با استفاده از یادگیری ترکیبی

امروزه با گسترش شبکه جهانی وب،افراد برای خرید کالاهای مورد نیاز خو و آگاهی از موضوعات مختلف به وب مراجعه میکنند. تعداد زیادی از بلاگها و شبکه های اجتماعی وجود دارند که کاربران نظرات خود را در مورد موضوعات مختلف درآنها درج نموده اند، درنتیجه حجم زیادی از اطلاعات به صورت غیر ساخت یافته وجود دارد که استخراج اطلاعات دلخواه از آنها کار دشواری است.عقیده کاوی فرآیند تحلیل نظرات، عقاید و احساسات کاربران است که از نقدها و نظراتی که در مورد یک موضوع خاص نوشته اند استخراج میشود .بیشترین و موفقترین روشهایی که انجام شده با استفاده از روشهای یادگیریماشین می باشد.در این روشها با استفاده از داده های آموزشی یک سیستم جهت طبقه بندی نظرات افراد داده می شود. اگر چه سیستم های موجود موفقیت های زیادی داشته اند ولی نبود یک سیستم ترکیبی جهت تجمیع پتانسیل های روشهای موجود احساس می شود. در این تحقیق با استفاده ازترکیب روشهای انتخاب ویژگی و یادگیری ترکیبی سعی در طراحی یک سیستم ترکیبی جدید جهت طبقه بندی نظرات افراد شده است. در این تحقیق ابتدا دقت طبقه بند های پایه نایو بیز، درخت تصمیم، ماشین بردار پشتیبان و نزدیکترین درخت همسایه را بدست آورده و با روشهای ترکیبی رای گیری، تقویتی،خودمتراکم و فضای تصادفی دقت های بدست آمده را ترکیب کنیم و به دقت بالاتری دست یابیم. همچنین بخش عمده ی پژوهش های نظرکاوی در زبان انگلیسی صورت گرفته است و در سایر زبان ها از جمله فارسی تحقیقات کمی انجام شده و دستاوردهای اندکی بدست آمده است. میتوان تحقیق انجام شده را برای طبقه بندی نظرات در زبان فارسی نیز استفاده کرد، با توجه به موفقیت های سیستم ترکیبی و نتایج بدست آمده، نشان می دهد که سیستم پیشنهادی می تواند به نسبت بهتر عمل کند و بهره وری و کارایی بیشتری در مقایسه با سایر روش ها داشته باشد

کلیدواژه ها:

عقیده کاوی ، تحلیل نظرات ، احساسات ، طبقه بند های پایه ، یادگیری ترکیبی