یک چارچوب نیمه‌نظارتی مبتنی بر لغت‌نامه وفقی خودساخت جهت تحلیل نظرات فارسی

با معرفی وب 2.0 و 3.0 تعاملات کاربران در فضای مجازی، منجر به ایجاد انبوهی از نظرات ارزشمند شده است. با توجه به دشواری یا عدم امکان تحلیل و بررسی دستی این نظرات، تحلیل احساس متن و یا نظرکاوی به عنوان یکی از زیرمجموعه های پردازش زبان طبیعی مطرح شد. تلاش های محدودی در نظرکاوی فارسی نسبت به سایر زبان ها صورت گرفته است. در این مقاله برای نخستین بار، یک چارچوب نیمه نظارتی برای نظرکاوی فارسی ارائه شده است. درضمن، ازآنجاکه یکی از آخرین پیشرفت های علمی در نظرکاوی زبان فارسی الگوریتمی بر اساس استخراج الگوهای حسی وفقی (حساس به مجموعه داده) مبتنی بر خبره انسانی است، در این پژوهش ضمن ارتقای الگوریتم یادشده، تعیین برچسب های حاوی احساس به کمک یک لغت نامه خودساخت (بدون نیاز به خبره انسانی) وفقی انجام می گیرد؛ همچنین کاربرد دسته بند مدل مخفی مارکوف خودناظر بر روی خصیصه های یادشده در کنار قوانین مبتنی بر معیار شباهت برای فرآیند نظرکاوی بررسی شده است. در راستای خودآموزسازی هوشمند، روشی برای ارزیابی قابلیت اطمینان بالای خروجی، ارائه شده است که خودآموزی به شرط وجود آن انجام می پذیرد. روش پیشنهادی با اجرا بر روی دادگان مبنا نرخ صحت نود درصد (باوجود عدم نیاز به خبره انسانی) را که در مقایسه با روش های نظارتی و نیمه نظارتی مستقل از خبره موجود برتری قابل ملاحظه ای دارد، خروجی می دهد؛ همچنین این الگوریتم نیمه نظارتی هنگام استفاده از مجموعه آموزش کوچک با نسبت مجموعه دادگان آموزش/آزمون ده به نود نیز بررسی و با نرخ صحت 80% قابلیت اطمینان آن به اثبات رسید.