مریم زنده دل - گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه دیلمان لاهیجان
حمیدرضا احمدی فر - گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه گیلان
مجید مشکین مژه - گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه دیلمان لاهیجان

امروزه با همه گیر شدن استفاده ی کاربران از شبکه های اجتماعی، توجه مختصصان بیش از پیش به فعالیتها، واکنشها و احساسات افراد در این شبکه ها نسبت به سایر محافل معطوف گشته است. از لحاظ فنی، تمامی تشخیصهای خودکار یا ماشینی وابسته به استخراج متن بوده و در امتداد آن از روشهای مختلفی چون انواع آزمونهای آماری، تحلیلهای چند متغیره، مدلهای مفهومی، منطق فازی، خوشه بندی و طبقه بندی جهت تحلیل متغیرها استفاده میشود. از بین روشهای موجود الگوریتمهای طبقه بندی جهت شناسایی تمایلات کاربران از محبوبیت و کاربرد بالاتری را نشان میدهد. در این پژوهش یک کاربست مبتنی بر متن کاوی جهت استخراج بردار ویژگی پیشنهاد میشود، بردار ویژگی بهینه با روش خوشه بندی فازی روی بردار کلمات استخراج شده از متنکاوی ایجاد خواهد شد. جهت افزایش میزان بهره وری تمایلات بر اساس موضوعیت مشخص از قواعد انجمنی برای شناسایی کلمات وابسته به موضوع استفاده میگردد. نتایج ارزیابی از مجموعه ی دادگان SNAP پایگاه استنفورد نشان میدهد که طرح پیشنهادی قادر است فرآیند تشخیص تمایلات کاربران را بر اساس فاعلیتهای متنوع نسبت به تحلیل تمایلات بر اساس کلید واژه بهبود ببخشد.

متن کاوی، خوشه بندی فازی، تشخیص بر اساس فاعلیت، گرادیان درختان تقویت شده، قوانین انجمنی