بررسی روش های انتخاب ویژگی در نظرکاوی مبتنی بر الگوریتم های یادگیری ماشین با تمرکز بر روی زبان فارسی

با رشد سریع وبسایت ها، روزانه شاهد حجم بالایی از نظرات در مورد مسایل مختلف، توسط کاربران اینترنت درصفحات وب هستیم. از طرف دیگر استفاده از نظرات دیگران، نقش بسزایی را در تصمیم گیری برای افراد و حتی سازمان ها ایفا میکند. همین امر موجب می شود که نیاز به یک سیستم نظرکاوی برای کمک به افراد جهت ارزیابی وسنجش احساسات، نظرات و دیدگاه های کاربران بیش از پیش احساس شود. نظرکاوی به طبقه بندی نظرات می پردازدو به عنوان زیررشته ای جدید از پردازش زبان طبیعی، بازیابی اطلاعات و متن کاوی محسوب میشود. در مقاله حاضر، به مقایسه و ارزیابی سه روش طبقه بندی و بررسی روش های مناسب انتخاب ویژگی برای طبقه بندی نظرات کاربران پرداخته شده است. آزمایش ها بر روی مجموعه داده جمع آوری شده از وبسایت دیجی کالا انجام پذیرفت. نتایج به دست آمده نشان می دهد که موثرترین روش انتخاب ویژگی با هدف طبقه بندی نظرات، بهره اطلاعاتی بوده و طبقه بند بگینگ مبتنی بر ماشین بردار پشیبان از میان روش های طبقه بندی نظرات، بهترین کارایی را دارا م یباشد.

کلیدواژه ها:

نظرکاوی ، انتخاب ویژگی ، الگوریتم های یادگیری ماشین