ارائه چارچوبي براي تحليل هوشمند احساسات با استفاده از روش جديد تركيب ويژگي و فرا ابتكاري در بهينه‌سازي گروهي ذرات

امروزه با افزايش زمينۀ استفاده از اينترنت، افراد براي خريد محصولات خود و يا اطلاع از موضوعات مختلف به اينترنت مراجعه مي نمايند. تعداد زيادي از صفحات مجازي وجود دارند كه كاربران نظرات خود را در مورد موضوعات مختلف درج  مي كنند، در نتيجه حجم زيادي از داده ها وجود دارد كه استخراج اطلاعات سودمند از آنها كار پرهزينه و زمانبري است. نظركاوي فرآيند تحليل هوشمند احساسات كاربراني است كه نظرات خود را در ارتباط با يك موضوع مشخص طرح نموده و قابليت استخراج دارند. روش يادگيري ماشين يكي از بهينه ترين و كارآمد ترين روش ها براي استخراج دانش از ميان نظرات كاربران دربارۀ محصولات ارائه شده مي‌باشد. در اين روش ها، داده هاي آموزشي يك سيستم جهت طبقه بندي نظرات كاربران داده مي شود. يكي از مهمترين مراحل طبقه بندي، كاهش داده مي باشد. با به‌كارگيري روش جديد تركيب ويژگي مي توان مجموعۀ ويژگي هاي استخراج شده را بيشتر از روش انتخاب ويژگي كاهش داد، كه به يك زير مجموعه اي از اطلاعات مفيد با حجم بسيار كمتر و ميزان قدرت تشخيص بالاتر رسيد. در اين تحقيق از الگوريتم بهينه سازي گروهي ذرات جهت بهينه كردن تركيب ويژگي ها استفاده شده است. براي سنجش روش پيشنهاد شده از نرم افزار متلب استفاده شده است كه بر روي چهار مجموعۀ داده، آزمايش هايي صورت گرفت. نتايج تحقيق نشان داد كه استفاده از روش تركيب ويژگي، كارايي طبقه بندي را افزايش داده و از تأثير اين افزايش در افت كارايي دسته‌بندي كننده مي كاهد.