ارائه یک روش جدید برای عقید ه کاوی با استفاده از یادگیری برخط

محتوای ایجاد شده توسط کاربران در وب، سازمانها را مجبور به تمرکز بیشتر بر روی تجزیه و تحلیل این محتوا برایتجسم بهتر افکار عمومی می کند . تحلیل احساسات در واقع همان تحلیل متون مستقل و ارائه سیستم طبقه بندی براینظرات در دسترس بر روی وب است. بنابراین هدف از استخراج افکار، تشخیص احساسات مختلف و طبقه بندی آنها بهصورت مثبت یا منفی است که به سرعت توسط کاربران قابل درک باشد. ما هم در این تحقیق به مبحث استخراج وتحلیل احساسات در دو نسخۀ برخط و برون خط پرداخته و به تشریح آن میپردازیم. فیلد اصلی که در این تحقیق موردبررسی قرار می گیرد، معرفی رویکردی برای به روزرسانی مدل ایجاد شده در عقیده کاوی می باشد، در این تحقیق بابکارگیری روش یادگیری برخط، عمل طبقه بندی داده های ورودی یا همان نظرات ورودی را به طور تدریجی و افزایشیانجام داده و بدون از نو ایجاد کردن مدل، عملیات را به روزرسانی کند. در روش یادگیری برخط اگرچه ممکن است باافزایش داده های آموزش میزان دقت یا میزان تشخیص درست سیستم برای طبقه بندی داده ها کاهش یابد (چون سیستم درهر زمان تنها با بخشی از داده ها آموزش دیده است)، اما مزیت این روش در مقایسه با روش یادگیری برون خط این استکه عمل طبقه بندی داده ها را با سرعت بیشتر و مصرف حافظه کمتر انجام خواهد داد.

Keywords:

استخراج افکار , تحلیل احساسات , یادگیری برخط