طبقه‌بندي نظرهاي مشتريان با رويكرد متن‌كاوي و يادگيري عميق (نمونه موردي: نظرهاي كاربران وبسايت ديجي‌كالا)

هدف: امروزه افراد هنگام خريد محصول يا تهيه خدمات، معيار‌هاي متفاوتي را براي تصميم‌گيري در نظر مي‌گيرند. يكي از اين معيار‌ها، اطلاع از نظر خريداران قبلي محصولات و خدمات است؛ اما حجم زياد نظرها نيز، چالشي است كه پيش‌ روي اين افراد قرار دارد. پژوهش حاضر با هدف ايجاد مدلي جهت تحليل احساسات كاربران و طبقه‌بندي نظر آن‌ها براي حل اين چالش اجرا شده است. روش: پژوهش حاضر روي نظرهاي خريداران تلفن همراه از وبسايت ديجي‌كالا، طي سال‌هاي ۱۳۹۴ تا ۱۳۹۵ انجام شده است. به‌منظور تحليل احساسات و طبقه‌بندي نظرها، الگوريتم‌هاي مبتني بر يادگيري عميق و شبكه‌هاي پيچشي (كانوولوشن) كه نوعي از شبكه‌هاي عميق هستند، پيشنهاد شده است. در اين پژوهش پس از پيش‌پردازش داده‌ها و يكسان‌سازي آن‌ها با استفاده از مدل از پيش تعليم‌ديده فست تكست، كلمه‌ها به بردار‌هايي از اعداد صحيح تبديل و به‌عنوان ورودي به شبكه عميق پيشنهادي تحويل داده شدند. يافته‌ها: جهت تعليم مدل منتخب اين پژوهش، ۹۰ مرتبه الگوريتم آموزشي روي آن اجرا شد. براي صحت عملكرد مدل منتخب از معيار‌هاي ماتريس گيجي، دقت، بازخواني، معيار F و ميزان دقت استفاده شد. نتيجه‌گيري: در پژوهش حاضر با رويكرد شبكه‌هاي عميق و با استفاده از شبكه‌هاي پيچشي و حافظه طولاني كوتاه‌مدت دوطرفه، پس از ۹۰ دوره آموزش، توانستيم با دقت ۹۳ درصد عقايد خريداران تلفن همراه در وبسايت ديجي‌كالا را طبقه‌بندي كنيم.