دسته بندی قطبی پاسخ ها در یک سیستم پرسش و پاسخ تعاملی

دسته بندی قطبی یکی از شاخه های مشهور در پردازش متن است که متن های ورودی را با توجه به محتوای درونی آنها، به سه سطح مثبت، منفی و خنثی دسته بندی می کند. در این مقاله، یک روش پیشنهادی برای دسته بندی قطبی پاسخها در یک سیستم پرسش و پاسخ تعاملی پیشنهاد می شود که به بررسی تاثیر مکالمه به دو صورت وابستگی زمانی و ساختاری میپردازد. برای این منظور از روشهای دسته بندی با ناظر ماشین بردار پشتیبان، بیزین ساده، درخت تصمیم و الگوریتم bagging استفاده می گردد. برای کاهش ابعاد مجموعه ویژگیها و سرعت بیشتر الگوریتمها، از روش های کاهش ویژگی استفاده میشود. نتایج دسته بندیها نشان میدهند که استفاده از وابستگی ساختاری موجب بهبود نتایج می شود و دقت با استفاده از ماشین بردار پشتیبان با هسته خطی و ویژگی پیشنهادی به 82٫62% میرسد در صورتی که دقت همین دسته بندی بدون در نظر گرفتن گفته های قبلی، 77/54% می شود و با استفاده از روش کاهش ویژگی مربع کای، دقت برابر 76٫29% می گردد.

کلیدواژه ها:

دسته بندی قطبی ، مکالمه ، استخراج ویژگی ، ماشین بردار پشتیبان ، سیستم پرسش و پاسخ تعاملی