تعداد نشریات | 43 |
تعداد شمارهها | 1,269 |
تعداد مقالات | 15,640 |
تعداد مشاهده مقاله | 51,701,783 |
تعداد دریافت فایل اصل مقاله | 14,581,637 |
تشخیص ویژگیهای ضمنی با استفاده از قواعد نحوی زبان فارسی و خوشهبندی صفات | ||
مجله مهندسی برق دانشگاه تبریز | ||
دوره 50، شماره 3 - شماره پیاپی 93، آبان 1399، صفحه 1395-1404 اصل مقاله (253.95 K) | ||
نوع مقاله: علمی-پژوهشی | ||
نویسندگان | ||
عاطفه محمدی1؛ مهدی یزدیان دهکردی* 1؛ محمدعلی نعمت بخش2 | ||
1گروه مهندسی کامپیوتر، پردیس فنی و مهندسی، دانشگاه یزد | ||
2دانشکده مهندسی کامپیوتر، دانشگاه اصفهان | ||
چکیده | ||
بهطور معمول وقتی فردی قصد خرید یک محصول برخط را دارد، نظرات و یادداشتهای نوشتهشده توسط سایر افراد در مورد محصول را بررسی میکند و این مسئله تاثیر بسزایی در تصمیمگیری فرد برای خرید دارد. تجزیه و تحلیل نظرات کاربران که با عنوان تجزیه و تحلیل احساس یا نظرکاوی شناخته میشود، یکی از داغترین موضوعات تحقیقاتی در علم کامپیوتر است. هدف اصلی نظرکاوی، استخراج نظرات افراد دربارهی ویژگیهای یک موجودیت یا کالا است. در این تحقیق، یک راهکار نظرکاوی بدون نظارت و مبتنیبر استخراج ویژگیهای ضمنی برای محصولات در زبان فارسی ارائه شده است. استخراج ویژگیهای ضمنی یکی از مراحل دشوار در تحلیل احساسات مبتنی بر ویژگی میباشد. در بیشتر پژوهشهای پیشین از اطلاعات آماری برای ایجاد ماتریس همرخداد و سپس تشخیص ویژگیهای ضمنی استفاده شده است. در این پژوهش در کنار اطلاعات آماری، از قواعد نحوی زبان و خوشهبندی صفات جهت بهبود ماتریس همرخداد بین کلمات (ویژگیها و احساسات) بهره گرفته شده است. ارزیابیهای انجامشده بر روی دادههای واقعی و استخراجشده از نظرات کاربران در سایت دیجیکالا، نشان میدهند که روش ارائهشده در این مقاله به نرخ بازخوانی و دقت بهتری نسبت به کارهای قبلی دست یافته است. | ||
کلیدواژهها | ||
نظرکاوی؛ ویژگی ضمنی؛ ماتریس همرخداد؛ خوشهبندی | ||
مراجع | ||
[1] J. J. Li, H. Yang and H. Tang, “Feature Mining and Sentiment Orientation Analysis on Product Review,“ in International Conference on Management Information and Optoelectronic Engineering, pp. 79-84, 2016. [2] B. Liu, “Sentiment analysis and opinion mining,“ Synthesis Lectures on Human Language Technologies, vol. 5, pp. 1-167, 2012. [3] مصطفی. رجبزاده و رضا. رافع، «ارائه یک سیستم توصیهگر ترکیبی برای تجارت الکترونیک»، مجله مهندسی برق دانشگاه تبریز، جلد 45، صفحه 177-163، 1394. [4] سیامک. عبدالهزاده، محمدعلی. بالافر و لیلی. محمدخانلی، «استفاده از خوشهبندی و مدل مارکوف جهت پیشبینی درخواست آتی کاربر در وب»، مجله مهندسی برق دانشگاه تبریز، جلد 45، صفحه 177-163، 1394. [5] A. Yadollahi, A. G. Shahraki, and O. R. Zaiane, “Current state of text sentiment analysis from opinion to emotion mining,“ ACM Computing Surveys (CSUR), vol. 50, no. 25, pp. 1-33, 2017. [6] E. Breck and C. Cardie, Opinion Mining and Sentiment Analysis, in The Oxford Handbook of Computational Linguistics 2nd edition, 2017. [7] A. Bagheri, M. Saraee, and F. De Jong, “Care more about customers: Unsupervised domain-independent aspect detection for sentiment analysis of customer reviews,“ Knowledge-Based Systems, vol. 52, pp. 201-213, 2013. [8] Z. Hai, K. Chang, and G. Cong, “One seed to find them all: mining opinion features via association,“ in Proceedings of the 21st ACM international conference on Information and knowledge management, pp. 255-264, 2012. [9] N. Jakob and I. Gurevych, “Extracting opinion targets in a single-and cross-domain setting with conditional random fields,“ in Proceedings of the Conference on Empirical Methods in Natural Language Processing, pp. 1035-1045, 2010. [10] G. Somprasertsri and P. Lalitrojwong, “Automatic product feature extraction from online product reviews using maximum entropy with lexical and syntactic features,“ in IEEE International Conference on Information Reuse and Integration, pp. 250-255, 2008. [11] مائده. شیخ حسنی، محرم. منصوریزاده و میرحسین. دزفولیان، «نظر کاوی جنبهگرا به کمک استخراج روابط معنایی»، بیست و دومین کنفرانس ملی سالانه انجمن کامپیوتر ایران، دانشگاه صنعتی شریف، 1395. [12] M. Z. Asghar, A. Khan, S. R. Zahra, S. Ahmad, and F. M. Kundi, "Aspect-based opinion mining framework using heuristic patterns," Cluster Computing, https://doi.org/10.1007/s10586-017-1096-9, pp. 1-19, 2017. [13] H. Liang, X. Sun, Y. Sun, and Y. Gao, "Text feature extraction based on deep learning: a review," EURASIP journal on wireless communications and networking, vol. 1, pp. 1-12, 2017. [14] E. Asgarian, M. Kahani, and S. Sharifi, "The impact of sentiment features on the sentiment polarity classification in Persian reviews," Cognitive Computation, vol. 10, pp. 117-135, 2018. [15] M. Dragoni, "Computational advertising in social networks: an opinion mining-based approach," in Proceedings of the 33rd Annual ACM Symposium on Applied Computing, pp. 1798-1804, 2018. [16] Q. Su, X. Xu, H. Guo, Z. Guo, X. Wu, and X. Zhang, "Hidden sentiment association in chinese web opinion mining," in Proceedings of the 17th international conference on World Wide Web, pp. 959-968, 2008. [17] Z. Hai, K. Chang, and J.-j. Kim, "Implicit feature identification via co-occurrence association rule mining," in International Conference on Intelligent Text Processing and Computational Linguistics, Lecture Notes in Computer Science, Springer, pp. 393-404, 2011. [18] K. Schouten and F. Frasincar, "Implicit Feature Extraction for Sentiment Analysis in Consumer Reviews," in International Conference on Applications of Natural Language to Data Bases Information Systems, Lecture Notes in Computer Science, Springer, pp. 228-231, 2014. [19] مرضیه. باباعلی و محمدعلی. نمعتبخش، "استخراج ویژگیهای محصول در زبان فارسی،" سومین همایش زبانشناسی رایانشی، دانشگاه صنعتی شریف، 1393. [20] محسن. ایمانی و مجتبی. خلاش، ابزار پردازش زبان فارسی، (http://www.sobhe.ir/hazm)، 1392. [21] T. Dunning, "Accurate methods for the statistics of surprise and coincidence," Computational linguistics, vol. 19, pp. 61-74, 1993. [22] Digikala Dataset (2018, December 13), Retrieved February 2, 2019. [23] https://www.uplooder.net/files/701edb674a0ef75695b47de35db298d4/Data.rar.html. | ||
آمار تعداد مشاهده مقاله: 384 تعداد دریافت فایل اصل مقاله: 400 |