تشخیص ویژگیهای ضمنی با استفاده از قواعد نحوی زبان فارسی و خوشهبندی صفات
Publish place: Tabriz Journal of Electrical Engineering، Vol: 50، Issue: 3
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 352
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-50-3_036
تاریخ نمایه سازی: 4 آذر 1399
Abstract:
بهطور معمول وقتی فردی قصد خرید یک محصول برخط را دارد، نظرات و یادداشتهای نوشتهشده توسط سایر افراد در مورد محصول را بررسی میکند و این مسئله تاثیر بسزایی در تصمیمگیری فرد برای خرید دارد. تجزیه و تحلیل نظرات کاربران که با عنوان تجزیه و تحلیل احساس یا نظرکاوی شناخته میشود، یکی از داغترین موضوعات تحقیقاتی در علم کامپیوتر است. هدف اصلی نظرکاوی، استخراج نظرات افراد دربارهی ویژگیهای یک موجودیت یا کالا است. در این تحقیق، یک راهکار نظرکاوی بدون نظارت و مبتنیبر استخراج ویژگیهای ضمنی برای محصولات در زبان فارسی ارائه شده است. استخراج ویژگیهای ضمنی یکی از مراحل دشوار در تحلیل احساسات مبتنی بر ویژگی میباشد. در بیشتر پژوهشهای پیشین از اطلاعات آماری برای ایجاد ماتریس همرخداد و سپس تشخیص ویژگیهای ضمنی استفاده شده است. در این پژوهش در کنار اطلاعات آماری، از قواعد نحوی زبان و خوشهبندی صفات جهت بهبود ماتریس همرخداد بین کلمات (ویژگیها و احساسات) بهره گرفته شده است. ارزیابیهای انجامشده بر روی دادههای واقعی و استخراجشده از نظرات کاربران در سایت دیجیکالا، نشان میدهند که روش ارائهشده در این مقاله به نرخ بازخوانی و دقت بهتری نسبت به کارهای قبلی دست یافته است.
Keywords:
Authors
عاطفه محمدی
گروه مهندسی کامپیوتر، پردیس فنی و مهندسی، دانشگاه یزد
مهدی یزدیان دهکردی
گروه مهندسی کامپیوتر، پردیس فنی و مهندسی، دانشگاه یزد
محمدعلی نعمت بخش
دانشکده مهندسی کامپیوتر، دانشگاه اصفهان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :