چکیده:
بهسبب رشد سریع شبکهها و رسانههای اجتماعی، امکان دسترسی افراد به نظرهای دیگران افزایش یافته است. نظرها، حاوی اطلاعات ارزشمندیاند که با تحلیل آنها، میتوان به گرایشها و ترجیح افراد پی برد و نظرهای مثبت و منفی را نسبت به مسائل گوناگون، شناسایی کرد. نظرکاوی فرایندی است که به تحلیل عاطفهها، احساسها و نظرهای افراد میپردازد و از این طریق، اولویت افراد را شناسایی میکند. در این مقاله، روشی برای نظرکاوی در زبان فارسی ارائه شده است که از ترکیب لغتنامه و الگوریتم نظارتی ماشین بردار پشتیبان (SVM) استفاده میکند. برای ایجاد لغتنامه، از لغتنامۀ SentiWordNet بهره برده شده است. در واقع این لغتنامه، مجموعۀ ویژگیهای الگوریتم SVM است. برای ارزیابی نتایج، از دادههای دامنۀ هتل استفاده شد. چهار فرضیه برای دستیابی به بهترین نتیجه تعریف شد که از این بین، بیشترین درستی، به فرضیۀ حاصلضرب قطبیت در تعداد تکرار کلمهها اختصاص یافت.
خلاصه ماشینی:
ارائة روش نظارتي براي نظرکاوي در زبان فارسي با استفاده از لغت نامه و الگوريتم SVM سعيده علي مرداني ١، عبدالله آقايي ٢ به سبب رشد سريع شبکه ها و رسانه هاي اجتماعي ، امکان دسترسي افراد بـه نظرهـاي ديگران افزايش يافته است .
در اين مقاله ، روشي براي نظرکاوي در زبان فارسي ارائه شده است که از ترکيب لغت نامه و الگوريتم نظارتي ماشين بردار پشتيبان (SVM) اسـتفاده مي کند.
ايـن لغت نامه قطبيت کلمه ها را به صورت عددي نشان مي دهد و بـراي زبـان انگليسـي توسـعه يافتـه است ؛ لذا براي استفاده در زبان فارسي بايد تغييراتي در آن اعمال شود.
ايجاد لغت نامه در نظرکاوي براي زبان فارسي ، بايد به منظور تشخيص مثبت و منفي بودن کلمه هـا، لغـت نامـه اي ايجاد شود.
راهکار دوم ، ترجمۀ لغـت نامـه بـه زبـان فارسـي است ؛ بدين ترتيب که تمام واژه هاي به کاررفته در آن لغت نامه به زبان فارسي ترجمـه مـي شـود.
A joint model of feature mining and sentiment analysis for product review rating.
0: an enhanced lexical resource for sentiment analysis and opinion mining.
In Proceedings of the Seventh Conference on International Language Resources and Evaluation, 2200-2204.
A SVM-based method for sentiment analysis in Persian language.
In Proceedings of the 2004 ACM SIGKDD international conference on Knowledge discovery and data mining - KDD ’04.
Sentiment analysis based on clustering: a framework in improving accuracy and recognizing neutral opinions.
Sentiment Analysis and Opinion Mining.
EMNLP ’08 Proceedings of the Conference on Empirical Methods in Natural Language Processing.