ارائه روشی جدید مبتنی بر قطبیت برای بهبود نظرکاوی فارسی

در سال های اخیر رشد انبوه محتوای تولید شده توسط کاربر مانند شبکه های اجتماعی و سایت های بازاریابی آنلاین به مردم اجازه می دهد تا احساسات و نظرات خود را در بسیاری از نظرهای مربوط به محصولات و خدمات مختلف به اشتراک بگذارند. تجزیه و تحلیل احساسات منبع مهمی برای تصمیم گیری بهتر می باشد که با استفاده از پردازش زبان طبیعی (NLP )، تکنیک های محاسباتی و تجزیه و تحلیل متن برای استخراج قطبیت اسناد بدون ساختار و روش های یادگیری ماشین تحت نظارت و روش های یادگیری عمیق بررسی می شود. پیچیدگی زبان های انسانی و تحلیل احساسات یک زمینه تحقیقاتی چالش برانگیز در علوم رایانه و زبان شناسی محاسباتی ساخته اند. در این مقاله روشی جدید مبتنی بر قطبیت نظرات فارسی تلفن همراه سایت دیجی کالا برای تعیین گروه های قطبی مختلف مانند مثبت و منفی ارائه می کنیم و با الگوریتم های یادگیری ماشین از جمله بیز ساده، ماشین بردار پشتیبان، تبادلات گرادیان تصادفی، برگشت منطقی، جنگل تصادفی و یادگیری عمیق مانند شبکه عصبی کانولوشن و حافظه طولانی کوتاه مدت به منظور دستیابی به عملکرد آن ها براساس پارامترهایی مانند صحت، فراخوان، اندازه F و دقت این روش مورد توجه قرار داده ایم. روش پیشنهادی با الگوریتم های ماشین بردار پشتیبان بین 5 تا 24 درصد و تبادلات گرادیان تصادفی بین 7 تا 38 درصد و برگشت منطقی بین 5 تا 38 درصد در تمام روش های n-gram و شبکه عصبی کانولوشن به میزان 4 درصد دقت نسبت به روش قبلی به دست آورده است.

کلیدواژه ها:

تحلیل احساسات ، نظرکاوی ، پیش پردازش متن ، یادگیری ماشین ، یادگیری عمیق