بهبود نظركاوي فارسي مبتني بر قطبيت و متوازن ‌سازي كلمات مهم مثبت و منفي (مطالعه موردي: نظرات ديجي ‌كالا براي موبايل)

بسياري از شبكه‌هاي اجتماعي و سايت‌ها به مردم اجازه مي دهند تا احساسات و نظرات خود را در مورد محصولات و خدمات مختلف به اشتراك بگذارند. در اين مقاله روشي جديد مبتني بر قطبيت نظرات مثبت و منفي فارسي درباره محصولات تلفن همراه از سايت ديجي‌كالا و داده هاي سنتي پرس ارائه شده است. نتيجه اجرا با الگوريتم هاي بيز ساده، ماشين بردار پشتيبان، كاهش گراديان تصادفي، رگرسيون لجستيك، جنگل تصادفي و يادگيري عميق مانند شبكه عصبي كانولوشن و حافظه كوتاه‌مدت متوالي بر اساس پارامترهايي مانند صحت، بازيابي، معيار فيشر و دقت، موردتوجه قرار گرفته شده است. روش پيشنهادي روي داده هاي ديجي‌كالا، با الگوريتم هاي بيز ساده بين 10 تا 34 درصد و ماشين بردار پشتيبان بين 5 تا 24 درصد و كاهش گراديان تصادفي بين 7 تا 38 درصد و رگرسيون لجستيك بين 5 تا 38 درصد و جنگل تصادفي بين 4 تا 22 درصد و روش شبكه عصبي كانولوشن به ميزان 4 درصد افزايش دقت را به همراه داشته است. هم چنين در داده هاي سنتي پرس با الگوريتم هاي بيز ساده بين 12 تا 46 درصد و ماشين بردار پشتيبان بين 5 تا 46 درصد و كاهش گراديان تصادفي بين 5 تا 35 درصد و رگرسيون لجستيك بين 6 تا 46 درصد و جنگل تصادفي بين 4 تا 46 درصد دقت نسبت به قبل از اعمال روش پيشنهادي به دست آمده است.