بررسی نظرکاوی جملات فارسی با تکنیک های بردارسازی

در سال های اخیر رشد انبوه محتوای تولید شده کاربران مانند شبکه های اجتماعی و سایت های بازاریابی آنلاین به مردم اجازه می دهد تا احساسات و نظراتشان را در بسیاری از نظرهای مربوط به محصولات و خدمات به اشتراک بگذارند. تجزیه و تحلیل احساسات منبع مهمی برای تصمیم گیری بهتر می باشد که با استفاده از پردازش زبان طبیعی NLP، تکنیکهای محاسباتی و تجزیه و تحلیل متن برای استخراج قطبیت اسناد بدون ساختار و روش های یادگیری ماشین تحت نظارت و روش های یادگیری عمیق بررسی می شود. در این پژوهش با استفاده از نظرات فارسی تلفن همراه سایت دیجی کالا در تکنیکهای مختلف بردارسازی و با الگوریتم های یادگیری ماشین از جمله بیز ساده، ماشین بردار پشتیبان، کاهش گرادیان تصادفی، رگرسیون لجستیک و جنگل تصادفی و استفاده این الگوریتمها در تکنیک های بردارسازی در هفت برند از جمله LG Huawei Nokia HTC Sony ،Samsungو Apple بر اساس پارامترهایی مانند صحت، بازیابی و دقت مورد بررسی قرار داده ایم. در نتیجه پارامترهای ارزیابی روی داده ها در دو تکنیک بردار سازی به دست آمده که الگوریتم جنگل تصادفی با ۸۹ درصد عملکرد بهتری نسبت به الگوریتم های دیگر دارد. همچنین در هر دو تکنیک بردارسازی دقت حاصل توسط الگوریتم جنگل تصادفی با میانگین ۹۹ درصد در تمام برندها عملکرد بهتری نسبت به الگوریتم های دیگر دارند.

Keywords:

الگوریتم هوشمند , دیجی کالا , تلفن همراه , Count Vectorizer , TF-IDF