دسته بندي قطبي پاسخ ها در يك سيستم پرسش و پاسخ تعاملي

دسته بندي قطبي يكي از شاخه هاي مشهور در پردازش متن است كه متن هاي ورودي را با توجه به محتواي دروني آن ها، به سه سطح مثبت، منفي و خنثي دسته بندي مي كند. در اين مقاله، يك روش پيشنهادي براي دسته بندي قطبي پاسخ ها در يك سيستم پرسش و پاسخ تعاملي پيشنهاد مي شود كه به بررسي تاثير مكالمه به دو صورت وابستگي زماني و ساختاري مي پردازد. براي اين منظور از روش هاي دسته بندي با ناظر ماشين بردار پشتيبان، بيزين ساده، درخت تصميم و الگوريتم bagging استفاده مي گردد. براي كاهش ابعاد مجموعه ويژگي ها و سرعت بيشتر الگوريتم ها، از روش هاي كاهش ويژگي استفاده مي شود. نتايج دسته بندي ها نشان مي دهند كه استفاده از وابستگي ساختاري موجب بهبود نتايج مي شود و دقت با استفاده از ماشين بردار پشتيبان با هسته خطي و ويژگي پيشنهادي به 82.62% مي-رسد در صورتي كه دقت همين دسته بندي بدون در نظر گرفتن گفته هاي قبلي، 77.54% مي شود و با استفاده از روش كاهش ويژگي مربع كاي، دقت برابر 76.29% مي گردد.