میلاد حافظی

امروزه، کاربران رسانه های اجتماعی احساسات خود را در مورد موضوعات مختلفی همچون سیاست، نهادهای دولتی و محصولات مصرفی بیان می کنند که این کار باعث ایجاد حجم زیادی از اطلاعات میشود. یکی از محبوب ترین شبکه های اجتماعی توئیتر است که ۳۲۰ میلیون کاربر فعال ماهانه دارد که هرکدام روزانه بالغ بر ۵۰۰ میلیون توئیت ۱۴۰( کاراکتر( پست میکنند. پردازش و آنالیز این منبع غنی و در عین حال در دسترس، به ما این توانایی را میدهد که به اطلاعاتی که عملی هستند، دست پیدا کنیم که در پروسه تصمیم گیری به کار می آیند.تجزیه و تحلیل احساسات یا استخراج نقطه نظرها یک نظامی است که با آنالیز و دسته بندی نظرهای ذهنی، احساسات و عواطف مردم کار میکند. این احساسات و عواطف در مورد محصولات، نهادها، اشخاص و یا دیگر موضوعات که در متونی مانند توئیت ها، دیدگاه ها، انجمن ها، وبلاگها و اخبار هستند میباشند. آنالیز احساسات فهم تمایل و گرایش مردم را ممکن می سازد. روش های مبتنی بر فرهنگ لغت و مبتنی بر بدنه )کل متن( دو روش اصلی دسته بندی احساسات اسناد هستند. روش مبتنی بر لغت نامه از یک لغت نامه احساس استفاده میکند که شامل عبارات و یا کلمات احساسی هستند که به هرکدام از آنها امتیاز عددی مشخصی داده شده است. این امتیازات به ما میگویند که این عبارات احساسی مثبت و یا منفی هستند، شدت آنها چقدر است. روش مبتنی بر بدنه یک طبقه بندی کننده روی یک متن برچسب گذاری شده ایجاد میکند. روش پیشنهاد شده، اطلاعات توئیتر را آنالیز احساس میکند و توئیت ها به دو دسته مثبت و منفی دسته بندی میکند. روش استاندارد تشخیص قطبیت متن، استفاده از لغت نامه احساسی موجود برای دسته بندی متن می باشد، در مرحله ی بعد نیز برای یافتن لغت نامه ای که دقت را به حداکثر برساند، از الگوریتم ژنتیک استفاده میکنیم و در انتها کارایی این الگوریتم را با بهینه سازی فرهنگ لغات احساسی تولیدشده به وسیله ی ادغام دو روش مبتنی بر بدنه و مبتنی بر لغت نامه نسبت به روش وال مورد ارزیابی قرار میدهیم.

تجزیه وتحلیل احساسات، الگوریتم ژنتیک، تجزیه و تحلیل متن، شبکه اجتماعی، توییتر