ارائه روشي براي تحليل احساسات با استفاده از معيار وزن‌دهي TF-IGM و ميدان تصادفي شرطي

رشد چشم‌گير شبكه‌هاي اجتماعي باعث ايجاد سطح بالايي از اطلاعات در فضاي اينترنت مي‌شود كه اين حجم بالاي اطلاعات مي‌تواند شامل ثبت نظرات كاربران، نيازهاي كاربران و يا احساسات آن‌ها باشد. تحليل نيازهاي كاربران سبب معرفي حوزه‌اي بنام تحليل احساس شد كه هدف آن شناسايي احساسات (مثبت، منفي،خنثي) كاربران بر اساس نظرات ثبت شده آن‌ها مي‌باشد. در اين روش‌ها عموماً از يك الگوريتم دسته‌بندي و معيار وزن‌دهي سنتي TF-IDF استفاده مي‌شود كه در فرآيند وزن‌دهي به كلمات از اطلاعات كلاس داده‌هاي آموزشي استفاده نمي‌كند و اين اطلاعات را در فرآيند وزن دهي دخيل نمي‌كند، ازاين‌رو نتايج حاصل شده به اندازه كافي مطلوب نمي‌باشد. در اين پژوهش از معيار وزن دهي جديدي تحت عنوان TF-IGM براي وزن‌دهي كلمات استفاده شده است كه يك معيار وزن‌دهي با ناظر مي‌باشد. علاوه بر اين برخلاف روش‌هاي پيشين در اين پژوهش از تركيب دو روش مدل مخفي ماركوف و ميدان تصادفي شرطي كه حاصل تركيب اين دو، ميدان تصادفي شرطي مخفي مي‌باشد براي تحليل احساس استفاده شده است. نتايج حاصل از اجراي روش پيشنهادي بر روي پايگاه داده نظرات كاربران شبكه توئيتر كه شامل ۱۲۰۰۰ توئيت مي‌باشد، حاكي از آن است كه صحت مدل پيشنهادي در مقايسه با روش سنتي مبتني بر TF-IDF داراي 5.82‌% بهبود مي‌باشد. درواقع نتايج نشان مي‌دهند كه استفاده از الگوريتم‌هاي دسته‌بندي تركيبي در كنار روش‌ وزن‌دهي با ناظر نتايج بهتري در مقايسه با روش‌هاي ساده ارائه مي‌دهد.