آنالیز احساسات داده های توییتر با استفاده از الگوریتم های داده کاوی

میلیونها نفر از کاربران، در سراسر دنیا، نظرات خود را، در جنبه های مختلف زندگی روزمره، در شبکه های اجتماعی گوناگون، به اشتراک میگذارند. تجزیه و تحلیل احساسات، فرایند شناسایی نظرات ، در داده های ساختیافته ، بدون ساختار ، نیمه ساخت یافته بزرگ و همچنین شناسایی قطبیت نظرات است. وبسایت های میکروبلاکینگ مثل توییتر، منبع غنی برای تجزیه و تحلیل احساسات است . تجزیه و تحلیل نظرات یک سازمان، راه موثر و سریع، برای نظارت بر احساسات افراد، نسبت به نام تجاری ، کسب وکار ، مدیران و ... است. امروزه بسیاری از سازمان ها، برندهای تجاری، دولتها و مراکز اداری و آموزشی برای آگاهی از میزان رضایت مشتریان و جامعه از محصولات و خدمات خود، شناسایی عقاید و انجام برنامهریزیهای لازم، از خوشهبندی و آنالیز احساسات داده های بدون برچسب شبکه های اجتماعی استفاده میکنند. در این مقاله در ابتدا مروری برروشهای مختلف مورد استفاده برای تجزیه و تحلیل احساسات داده های توییتر, معرفی سطوح و محدودیت های آن و همچنین مروری بر انواع روشهای خوشهبندی, داده های متنی شده است و سپس انواع روشهای خوشه بندی و انواع روش انتخاب و کاهش ویژگی بر روی داده های توییتر با محوریت آنالیز احساسات در سطح جمله و براساس استخراج کلمات کلیدی, انجام، و مقایسه شده است و در نهایت، بر روی خوشه ها تحلیل و آنالیز احساسات اعمال, و نتایج شرح داده شده است.

آنالیز احساسات داده های توییتر با استفاده از الگوریتم های داده کاوی Keywords:

آنالیز احساسات , توییتر , قطبیت , خوشه بندی , استخراج ویژگی