ارائه روشی برای تحلیل احساسات مشتری در رسانه های اجتماعی جهت استفاده در سامانه های تبلیغات

محورهای موضوعی :

لیلا خواجه وند ¹ , عباس طلوعی اشلقی ² , مرتضی موسی خانی ³

1 - کارشناسی ارشد، گروه مدیریت فناوری اطلاعاتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - استاد ، گروه مدیریت صنعتی، واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی ، تهران، ایران
3 - استاد ، گروه مدیریت ، ,واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی ، تهران ، ایران

تاریخ دریافت : 1401/12/14 تاریخ پذیرش : 1402/09/19 تاریخ انتشار : 1402/09/01

کلید واژه: شبکه های اجتماعی, محتوا, کاربران, یادگیری ماشین, تحلیل احساس,

چکیده مقاله :

امروزه شبکه های اجتماعی توجه ویژه ای را به خود جلب نموده اند. در شبکه های اجتماعی گوناگون، کاربران دائما در حال ابراز نظرات عمومی و همچنین خصوصی خود درباره ی موضوعات مختلف هستند. توییتر یکی از این شبکه های اجتماعی است که در دهه اخیر محبوبیت بسیاری یافته است. تحلیل احساسات یا عقیده کاوی فرآیندی است که در آن نظرات، احساسات و نگرش افراد در ارتباط با موضوعی خاص استخراج می شود. . تحلیل بر روی موارد بیان شده تفاوت عمده ای با داده های توییتر دارد، به این سبب که توییت های توییتر محدودیت 280 کاراکتری دارند و کاربران را وادار به بیان احساسات خود به صورت فشرده و کوتاه می نمایند. بهترین نتایج به دست آمده در طبقه بندی احساسات از تکنیک های یادگیری ماشین مثل بیز ساده و ماشین بردار پشتیبان حاصل شده است. در این پژوهش به ارائه روشی برای تحلیل احساسات در شبکه های اجتماعی پرداخته می شود. در این راستا سعی شده با تمرکز بر مراحل پیش پردازش داده ها و انتخاب ویژگی، طبقه بندی متن توسط روش بیز را تا حدودی بهبود بخشیم. . به عبارتی ، با تعریف این مسئله به صورت یک مسئله کلاس‌بندی باینری بر اساس خصیصه‌های پیشنهادی به تحلیل احساسات کاربران پرداخته می شود. مسئله کلاس بندی با استفاده از جدیدترین دستاوردهای حوزه یادگیری ماشین فرموله و حل شده است. . برای ارزیابی روش پیشنهادی در این رساله از سناریو مجموعه دادگان توییتر می باشد. .روش پیشنهادی با سایر روش های طبقه بندی مقایسه می شود. بهترین عملکرد را از خود نشان داده است.

چکیده انگلیسی:

Recently,social networks have attracted special attention. In various social networks, users are constantly expressing their public as well as private opinions on various topics. Twitter is one of these social networks that has become very popular in the last decade. This social network provides organizations with a fast and effective way to analyze customers' feelings, views, and criticisms of market success. Emotional analysis is a process in which people's opinions, feelings, and attitudes about a particular subject are extracted. There has been a lot of research on emotion analysis based on user comments, documents and articles. Analysis of what is being said is very different from Twitter data, because Twitter tweets are limited to 280 characters and force users to express their feelings concisely. The best results in emotion classification are obtained from machine learning techniques such as simple Bayes and support vector machine. In this research, a method for analyzing emotions in social networks is presented. In this regard, we have tried to improve the classification of text by Bayesian method to some extent by focusing on the stages of data preprocessing and feature selection.users' feelings are analyzed. The classification problem has been formulated and solved using the latest achievements in the field of machine learning. . To evaluate the proposed method in this dissertation is from the Twitter data set scenario. The proposed method is compared with other classification methods. Has shown the best performance.