ارائه روشي جديد مبتني بر قطبيت براي بهبود نظركاوي فارسي

در سال هاي اخير رشد انبوه محتواي توليد شده توسط كاربر مانند شبكه هاي اجتماعي و سايت هاي بازاريابي آنلاين به مردم اجازه مي دهد تا احساسات و نظرات خود را در بسياري از نظرهاي مربوط به محصولات و خدمات مختلف به اشتراك بگذارند. تجزيه و تحليل احساسات منبع مهمي براي تصميم گيري بهتر مي باشد كه با استفاده از پردازش زبان طبيعي (NLP )، تكنيك هاي محاسباتي و تجزيه و تحليل متن براي استخراج قطبيت اسناد بدون ساختار و روش هاي يادگيري ماشين تحت نظارت و روش هاي يادگيري عميق بررسي مي شود. پيچيدگي زبان هاي انساني و تحليل احساسات يك زمينه تحقيقاتي چالش برانگيز در علوم رايانه و زبان شناسي محاسباتي ساخته اند. در اين مقاله روشي جديد مبتني بر قطبيت نظرات فارسي تلفن همراه سايت ديجي كالا براي تعيين گروه هاي قطبي مختلف مانند مثبت و منفي ارائه مي كنيم و با الگوريتم هاي يادگيري ماشين از جمله بيز ساده، ماشين بردار پشتيبان، تبادلات گراديان تصادفي، برگشت منطقي، جنگل تصادفي و يادگيري عميق مانند شبكه عصبي كانولوشن و حافظه طولاني كوتاه مدت به منظور دستيابي به عملكرد آن ها براساس پارامترهايي مانند صحت، فراخوان، اندازه F و دقت اين روش مورد توجه قرار داده ايم. روش پيشنهادي با الگوريتم هاي ماشين بردار پشتيبان بين 5 تا 24 درصد و تبادلات گراديان تصادفي بين 7 تا 38 درصد و برگشت منطقي بين 5 تا 38 درصد در تمام روش هاي n-gram و شبكه عصبي كانولوشن به ميزان 4 درصد دقت نسبت به روش قبلي به دست آورده است.