CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهبود الگوریتم تحلیل زمینه ای خودکار و خوشه بندی گروهی برای تحلیل احساساتکاربران

عنوان مقاله: بهبود الگوریتم تحلیل زمینه ای خودکار و خوشه بندی گروهی برای تحلیل احساساتکاربران
شناسه ملی مقاله: ICNRTEE01_045
منتشر شده در کنفرانس بین المللی پژوهش ها و فناوری های نوین در مهندسی برق در سال 1401
مشخصات نویسندگان مقاله:

علی صالحی - دانشگاه علم و فرهنگ
علیرضا رضوانیان - دانشگاه علم و فرهنگ

خلاصه مقاله:
تحلیل احساسات یکی از موثرترین ابزارهایی است که به شناخت شرکتها از مشتریان احتمالی خود کمک می کند. یکی از مهم ترین جنبه های تحلیل احساسات تحلیل احساسات زمینه ای و میان دامنه ای است که میتواند کمک شایانی به بررسی مجموعه داده های طبقه بندی نشده بکند در این پژوهش با استفاده از فرهنگ لغت ،VADER روش طبقه بندی ،گروهی، روش کیسه کلمات و روشهای خوشه بندی کاندید الگوریتم تحلیل زمینه ای خودکار و خوشه بندی ،گروهی بهبود داده شده است در روش پیشنهادی ابتدا با استفاده از فرهنگ لغت VADER فرایند برچسب زنی خودکار داده ها انجام شده است و سپس برای استخراج ویژگیهای مستقل از دامنه داده ها، طبقه بندی گروهی با LogisticRegression و RandomForestClassifier و GaussianNB بکار گرفته شده است که از ویژگی های مدل های برداری TFIDF یا BagofWord استفاده شده است با توجه به اینکه اگر از خروجی مدل طبقه بندی گروهی به عنوان ویژگی در الگوریتم خوشه بندی استفاده شود خوشه بندی می تواند برای شناسایی الگوها در داده ها و گروه بندی موارد مشابه با هم استفاده شود. در روش پیشنهادی برای تحلیل زمینه ای احساسات با استفاده از نتایج طبقه بندی در روشهای خوشه بندی DBSCAN K-MEANS Birch و SpectralClustering وGaussianMixtureبه عنوان روشهای خوشه بندی کاندید به تحلیل زمینه ای احساسات پرداخته شده است. از نتایج این پژوهش که ویژگی تحلیل زمینه ای احساسات در مجموعه داده های طبقه بندی نشده را دارد میتوان به افزایش دقت و کاهش زمان اجرا نسبت به الگوریتم معیار اشاره کرد.

کلمات کلیدی:
تحلیل احساسات، یادگیری بدون نظارت، خوشه بندی، طبقه بندی گروهی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1644789/