شماره ركورد كنفرانس :
4605
عنوان مقاله :
تحليل احساسات از روي مستندات متني
پديدآورندگان :
ابوالقاسمي مجيد abolghasemi@email.kntu.ac.ir دانشگاه صنعتي خواجه نصيرالدين طوسي، تهران، ايران؛ , دادخواه چيترا dadkhah@kntu.ac.ir دانشگاه صنعتي خواجه‌نصيرالدين طوسي، تهران، ايران؛
كليدواژه :
سيستم‌هاي پيشنهاددهنده , پردازش متن , تحليل احساسات , TF-IDF , Doc2Vec , CountVectorizer
عنوان كنفرانس :
بيست و ششمين كنفرانس مهندسي برق ايران
چكيده فارسي :
امروزه سيستم‌هاي پيشنهاددهنده از اهميت بالايي برخوردار مي‌باشند و زمينه رقابتي ميان سازندگان محصولات و وب‌سايت‌هاي فروش اينترنتي را ايجاد نموده است. در سيستم‌هاي پيشنهاددهنده نياز به داشتن سابقه و يا تاريخچه مشتريان از رفتارهاي سيستمي براي ارائه پيشنهادات منطبق با سليقه آنها مي باشد. يكي از مشكلات سيستم‌هاي پيشنهاددهنده نبود اطلاعات كافي از مشتريان در رابطه با سليقه آنها در مورد اقلام مشاهده شده مي‌باشد. هدف اين مقاله ارائه يك سيستم مبتني بر پردازش توضيحات كاربران جهت تحليل احساسات مثبت يا منفي آنها از مشاهده فيلم، براي توليد ماتريس امتيازدهي با مقادير ۱ و ۱- براي سيستم هاي پيشنهاد دهنده مي‌باشد. ورودي سيستم نظرات موجود در سايت www.Imdb.com در رابطه با مشاهده فيلم مي‌باشد. سيستم با استفاده از الگوريتم‌هاي TF-IDF و Doc2Vec و CountVectorizer و معيار شباهت، تشابه ميان متن ارائه شده توسط كاربر و متون برچسب گذاري شده كه از سايت www.kaggle.com گرفته شده است، مثبت يا منفي بودن احساسات كاربر را تعيين مي‌نمايد. در سيستم ارائه شده از سه نوع دسته‌بند در پياده‌سازي هاي متفاوت براي بالا بردن دقت سيستم استفاده شده است. دقت سيستم ارائه شده برابر با ۸۴.۷ درصد مي‌باشد.
