فاطمه ابراهیمی - دانشجوی دکترای مهندسی فناوری اطلاعات، دانشگاه صنعتی شیراز
رضا جاویدان - دانشیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز
رضا اکبری

نظرات و عقیده ها تقریبا محور اصلی تمامی فعالیت ها و رفتارهای انسان است. امروزه نظرات گسترده بر روی محصولات در سایت های تجارت الکترونیکی، تبدیل به سرمایه عظیمی جهت تشخیص رفتار مشتریان، ترجیحات آن ها و نیازهای آن ها شده است که بااستفاده از فرآیند تحلیل احساسات و استخراج افکار می توان به این سرمایه ها دست یافت. در این پژوهش با هدف تحلیل نظرات، از نظرکاوی در سطح جمله از نظرات و داده های موجود در یکی از مشهورترین وب سایت های فارسی، دیجی کالا استفاده شده است. بعد از جمع آوری داده، پیش پردازش داده ها و انتخاب ویژگی براساس روش One-Hot، از الگوریتم-های یادگیری ماشین از جمله شبکه عصبی چندلایه پرسپترون، شبکه عصبی عمیق نظیر LSTM و CNN جهت طبقه بندی احساسات نظرات به دسته های مثبت و منفی پرداخته شده است. از نوآوری این پژوهش، می توان به استفاده از الگوریتم های یادگیری عمیق و مقایسه آن ها برروی داده های وب سایت دیجیکالا اشاره نمود. نتایج نشان می دهد که شبکه عصبی MLP عملکرد بسیار ضعیف تر از شبکه های عمیق از خود نشان داده است و شبکه عصبی CNN و LSTM توانستند به ترتیب به دقت ۰.۸۶۲ و ۰.۸۳۸ دست پیدا کنند.

تحلیل احساسات، نظرات محصولات، شبکه عصبی چندلایه پرسپترون، شبکه عصبی عمیق، شبکه عصبی LSTM ، شبکه عصبی CNN