نوع مدرک: | متون چاپی |
سرشناسه | زینی اصفهانی ، وحید، نویسنده |
ردهبندی کنگره : | COM soft 4 1396 |
عنوان : | ارائه روشی نوین مبتنی بر یادگیری ماشین به منظور تحلیل احساسات و نظرکاوی مشتریان برای بهبود هوش تجاری در نقدهای فارسی |
ناشر: | دانشگاه شهید اشرفی اصفهانی : بی نا |
سال نشر : | 1394 |
صفحه شمار: | 112ص |
شابک/شاپا | 22724 |
یادداشت | پایان نامه کارشناسی ارشد : کامپیوتر گرایش نرم افزار |
شناسه افزوده : | بصیری ، محمداحسان، استاد راهنما |
توصیفگرها | نظرکاوی تحلیل احساسات یادگیری ماشین ماشین بردار پشتیبان بهینه سازی ازدحام ذرات دیجی کالا |
چکیده : | عقیدهکاوی یک زمینه تحقیقاتی جدید و نو ظهور است. در عقیدهکاوی یا تحلیل احساسات به واکاوی خودکار نگرشها، نظرات و احساسات نسبت به موجودیتهای مختلف مانند محصولات، خدمات، سازمانها، افراد، مسائل، رویدادها، موضوعات و ویژگیهای آنها از متون و منابع پایگاه داده از طریق پردازش زبان طبیعی پرداخته میشود تاکنون تحقیقات زیادی راجع به عقیدهکاوی و تجزیه و تحلیل احساسات در زبانهای انگلیسی، چین و روسیه انجام شده است. با وجود این که زبان فارسی، زبان اصلی ایران، افغانستان و تاجیکستان میباشد، ولی در متنهای فارسی تحقیقات بسیار کمی در تجزیه و تحلیل احساسات انجام شده است و هنوز چالشهای بسیاری در تحلیل احساسات و عواطف در زبان فارسی وجود دارد. سه چالش مهم در متون فارسی شامل استفاده از طیف گستردهای از پسوندهای معکوس، فاصلههای مختلف کلمه و وجود بسیاری از کلمات غیر رسمی است. در این تحقیق، سعی شده است تا با بهبود روشهای یادگیری ماشین بتوان نظرات مشتریان را در راستای افزایش هوش تجاری شرکتها بررسی نمود. برای این منظور از مدلهای یادگیری ماشین متفاوتی شامل مدلهای درخت تصمیمگیری، K-نزدیکترین همسایه، رگرسیون، نایوبیز، ماشین بردار پشتیبان و یک مدل بهبود یافته با عنوان ماشین بردار پشتیبان-بهینهسازی ازدحام ذرات برای تحلیل احساسات و نظرکاوی برای نظرات فارسی در سایت دیجی کالا استفاده شده است. مجموعه داده نظرات سایت دیجی کالا دارای بیش از 8000 نظر در رابطه با گوشیهای تلفن همراه از برندهای مختلف میباشد. نتایج نشان دادند که روش ترکیبی ماشین بردار پشتیبان-بهینهسازی ازدحام ذرات توانسته است بهترین نتیجه را نسبت به مدلهای درخت تصمیمگیری، K-نزدیکترین همسایه، رگرسیون، نایوبیز، ماشین بردار پشتیبان بدست آورد |
لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=1118 |
زبان مدرک : | فارسی |