به كارگيري يادگيري عميق براي بهبود نتايج تحليل احساسات نظرات فارسي فروشگاه‌هاي خرده‌فروشي آنلاين

صنعت بازار خرده‌فروشي از جمله صنايع اثرگذار بر اقتصاد كشورها است كه حيات آن وابسته به ميزان رضايت و اعتماد مشتريان براي خريد از اين بازارها مي‌باشد. در چنين شرايطي صنعت بازار خرده‌فروشي در تلاش است تا بر اساس صفحات وب و پلتفرم‌هاي آنلاين شرايطي را براي ثبت نظرات و تعامل مشتريان با خرده‌فروشان فراهم آورد. زيرا تحليل نظرات منتشر شده نه تنها در تعيين ميزان رضايت مشتريان بلكه در بهبود و ارتقا محصولات نقش دارند. از‌اين‌رو در سال‌هاي اخير تكنيك‌هاي تحليل احساسات به منظور تحليل و خلاصه‌سازي نظرات، مورد توجه پژوهشگران در حوزه‌هاي مختلف به‌ويژه صنعت بازار خرده‌فروشي قرار گرفته است. ازاينرو در اين پژوهش با هدف بهبود در نتايج استخراج ويژگي‌ها از متن نظرات فارسي و افزايش دقت تحليل احساسات فارسي، يك چارچوب جديد براي تحليل احساسات در سطح جمله، بر اساس BERT، مدل استخراج ويژگي CNN-BiLSTM و مدل طبقه‌بندي XGBoost پيشنهاد شده است. در نهايت نتايج پژوهش دقت 93.74% را براي طبقه‌بندي احساسات متن نظرات فارسي؛ بر اساس چارچوب پيشنهادي نشان مي‌دهد كه بر اساس آن مي‌توان اذعان داشت، CNN-BiLSTM از جمله روش‌هاي قدرتمند در استخراج ويژگي‌ها از متن فارسي است كه ضمن استخراج دقيق ويژگي‌ها، باعث افزايش دقت تحليل احساسات فارسي نيز مي‌گردد.