701

پ ك8

واحدي پور، مهديه

كارشناسي ارشد

كامپيوتر

دانشگاه صنعتي قم

دانشكده برق و كامپيوتر

1397

گروه مهندسي كامپيوتر

شمسي، محبوبه

رسولي كناري، عبدالرضا

در سالهاي اخير رشد انبوه محتواي توليد شده توسط كاربر مانند شبكههاي اجتماعي و سايتهاي بازاريابي آنلاين به مردم اجازه ميدهد تا احساسات و نظرات خود را در بسياري از نظرهاي مربوط به محصولات و خدمات مختلف به اشتراك بگذارند. تجزيه و تحليل احساسات عامل مهمي براي تصميمگيري بهتر ميباشد كه با استفاده از پردازش زبان طبيعي، روشهاي محاسباتي و تجزيه و تحليل متن براي استخراج قطبيت اسناد بدون ساختار و روشهاي يادگيري ماشين تحت نظارت و رو شهاي يادگيري عميق انجام ميگيرد. پيچيدگي زبانهاي انساني و تحليل احساسات يك زمينه پژوهش ي چالش برانگيز در علوم رايانه و زبان- شناسي محاسباتي ساختهاند . در اين پژوهش روشي جديد مبتني بر قطبيت نظرات فارسي درباره محصولات تلفن همراه از سايت ديجيكالا و داد ههاي سنتيپرس از سايت پيكرهگان براي تعيين گروههاي قطبي مختلف مانند مثبت و منفي ارائه كردهايم و با الگوريتمهاي يادگيري ماشين از جمله بيز ساده، ماشين بردار پشتيبان، كاهش گراديان تصادفي، رگرسيون لجستيك، جنگل تصادفي و يادگيري عميق مانند شبكه عصبي كانولوشن و حافظه كوتاه مدت متوالي به منظور دستيابي به عملكرد آنها براساس پارامترهايي مانند صحت، بازيابي، F-Measure و دقت اين روش مورد توجه قرار دادهايم. روش پيشنهادي با الگوريتمهاي 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 روي دادههاي ديجي كالا و همچنين دادههاي سنتيپرس در الگوريت مهاي 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 آوردهاند. واژگان كليدي: تحليل احساسات، نظركاوي، پيشپردازش متن، يادگيري ماشين، يادگيري عميق، قطبي ت