مدل یادگیری ماشین مبتنی بر تحلیل احساسات و نظرکاوی در استخراج ویژگی ها و مدیریت اطلاعات در شبکه های مجازی فارسی زبان

امروزه تکنولوژی هوش مصنوعی و یادگیری ماشین یکی از جنبه های نوین در ارزیابی اطلاعات به عنوان یکی از مهم ترین ابزار در مدیریت نوین ساختاری و مجازی بشمار می آیند. کاربرد این توانمندی در مدیریت بازاریابی، آموزش های آنلاین، فروشگاه های مجازی، ارزیابی اخبار، شناسایی و پیگیری اخبار جعلی و شایعه، انتشار دستاوردهای علمی و تخصصی بخشی از دستاوردهای هوش مصنوعی است. مطالعه حاضر سعی نموده با بکارگیری این توانمندی هوش مصنوعی در شناسایی و تحلیل احساسات کاربران فارسی زبان در شبکه های اجتماعی، مدلی فارسی مبتنی بر یادگیری ماشین را در نظرکاوی و سنجش احساسات کاربران نسبت به موضوعات داغ و مهم پیرامونی تهیه نماید. بدین منظور مدلی ترکیبی شبکه عصبی عمیق شبکه عصبی کانولوشن CNN-DNN 28 لایه ای که در زبان پایتون و پکیج کراس طراحی شده است. مدل پیشنهادی بر روی مجموعه داده تهیه شده از شبکه های اجتماعی پیاده سازی شده و مهم ترین تاپیک های بیان شده در این شبکه ها استخراج گردیده است. به منظور شناسایی میزان عملکرد بهینه روش پیشنهاد شده مبتنی بر CNN-DNN نسبت به الگوریتم های یادگیری رایج، از روش اعتبارسنجی مقایسه ای که با 9 الگوریتم های کلاس بندی شامل SVM ، k-NN ، شبکه نیوبیز، درخت تصمیم، جنگل تصادفی، شبکه MLP ، شبکه SGD ، آدابوست و گاردین بوستینگ بهره گرفته شده است. در این راستا معیارهای ارزیابی برای تمامی الگوریتم ها برآورد گردیده و با مدل پیشنهادی بصورت مقایسه ای ارائه شده است. برپایه نتایج حاصل از مدل پیشنهادی، برندهای گوشی تلفن همراه، لوازم خانگی، تجهیزات کامپیوتری، نظرات پیرامون هزینه های مسکن و اجاره بیشترین توجه را در فضای مجازی و شبکه های اجتماعی داشتهاند که نشان دهنده نگرش کاربران ایرانی برپایه تحولات اقتصادی است.

Keywords:

هوش مصنوعی , یادگیری ماشین , شبکه عصبی عمیق , تحلیل احساسات , نظرکاوی.