مروری بر بکارگیری روابط معنایی و روش ترکیبی جهت عقیده کاوی و تحلیل احساسات در شبکه اجتماعی توییتر

توییتر با فراهم نمودن بستری برای بیان احساسات و عقاید در زمینه های مختلف، با استقبال بسیار روبرو شده است. عقیده کاوی در این شبکه اجتماعی، به دلیل کاربردهای گسترده آن در دو حوزه علوم اجتماعی و تجارت بسیار مورد توجه قرار گرفته است. عقیده کاوی را میتوان از دو دیدگاه، نگرش احساسات نسبت به موجودیتی خاص و نگرش احساسات کلی یک توییت، مورد بررسی قرار داد که در توییتر بیشتر بر روی دیدگاه دوم تاکید می گردد. بررسی نگرش کلی احساسات یک توییت به دوشیوه آموزش با نظارت و بر پایه فرهنگ لغات انجام می شود. به دلیل محدودیت های روش آموزش با نظارت همچون نیاز به داشتن داده آموزشی، موجب شده که اکثر روش های عقیده کاوی توییتر به روش مبتنی بر واژه نامه تاکید کنند. در گذشته، بیشتر روش ها در حوزه عقیده کاوی مبتنی بر واژه نامه، روی متون ساخت یافته انجام می شدند در حالیکه این متدها برای متون موجود در توییتر که دارای محدودیت تعداد کاراکتر بوده و حاوی کلمات اختصار و اصطلاحات عامیانه می باشند، نتیجه خوبی نداشتند. در سال 2012، Thelwall و همکاران واژهنامه ای ارایه نمودند که برای کار با داده های اجتماعی مناسب بودند. الگوریتم پیشنهادی با نام SentiStrength، میزان نگرش یک متن عامیانه را با بکارگیری فرهنگ لغات مشخص می کند.

کلیدواژه ها:

عقیده کاوی ، تحلیل احساسات ، الگوریتم SVM ، هوش مصنوعی ، شبکه اجتماعی