عقیده کاوی در نقد کالا با استفاده از شبکه واژگان احساسی

عقیده کاوی در نقد کالا با استفاده از شبکه واژگان احساسی

آکادمی داده

۱۳۹۷/۰۵/۲۳


  • 44 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

در این مقاله، یک روش برای عقیده کاوی در مجموعه ای از داده های نقد کالا ارائه شده است. در روش پیشنهادی علاوه بر طبقه بندی مجموعه نقدها، ویژگی های کالا برای هر یک از کالاهای نقد شده استخراج شده است. این ویژگی ها از میان اسامی که نویسنده های نقد، صفات بیشتری برای توصیف آنها استفاده کرده اند انتخاب شده است. نتایج بدست آمده نشان دهنده دقت بسیار بالای این روش در انتخاب ویژگی هاست. در نتیجه مشخص است که استخراج ویژگی های کالا بر مبنای اسمهایی که تعداد بیشتری از صفات برای توصیف آنها استفاده شده است بسیار بهتر از روش ای مبتنی بر فرکانس واژه ها عمل می کند. در نهایت طبقه بندی نقدها بر اساس بار احساسی واژگان موجود در سند صورت پذیرفته است. نتایج نشان دهنده بهبود نتایج طبقه بندی به نسبت روش های پیشین است. 
در ادامه این تحقیق می توان با طراحی شبکه واژگان احساسی جداگانه برای هر دسته کالا، تاثیر آن را بر بهبود نتایج طبقه بندی بررسی نمود. با توجه به اینکه بار احساسی یک واژه در نقدهای کالاهای مختلف با یکدیگر متفاوت است، طراحی شبکه واژگان احساسی برای هر کالا میتواند موجب بهبود نتایج طبقه بندی گردد.

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر به دنبال مجموعه مقالات فارسی در موضوعات مختلف هستید به لینک مراجعه بفرمایید. در این لینک مجموعه مقالات فارسی در حوزه های مختلف داده کاوی و متن کاوی ارائه شده است.

کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه متن کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.