تشخیص ویژگی‌های ضمنی با استفاده از قواعد نحوی زبان فارسی و خوشه‌بندی صفات

به طور معمول وقتی فردی قصد خرید یک محصول برخط را دارد، نظرات و یادداشت‌های نوشته شده 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 می شود، یکی از داغ ترین موضوعات تحقیقاتی در علم کامپیوتر است. هدف اصلی نظرکاوی، استخراج نظرات افراد درباره ی ویژگی های یک موجودیت یا کالا است. در این تحقیق، یک راه کار نظرکاوی بدون نظارت و مبتنی بر استخراج ویژگی های ضمنی برای محصولات در زبان فارسی ارائه شده است. استخراج ویژگی های ضمنی یکی از مراحل دشوار در تحلیل احساسات مبتنی بر ویژگی می باشد. در بیشتر پژوهش های پیشین از اطلاعات آماری برای ایجاد ماتریس هم رخداد و سپس تشخیص ویژگی های ضمنی استفاده شده است. در این پژوهش در کنار اطلاعات آماری، از قواعد نحوی زبان و خوشه بندی صفات جهت بهبود ماتریس هم رخداد بین کلمات (ویژگی ها و احساسات)  بهره گرفته شده است. ارزیابی‌های انجام شده بر روی داده های واقعی و استخراج شده از نظرات کاربران در سایت دیجی کالا، نشان می دهند که روش ارائه شده در این مقاله به نرخ بازخوانی و دقت بهتری  نسبت به کارهای قبلی دست یافته است.

Identification of Implicit Features using Persian Language Rules and Sentiments Clustering

Typically, when someone wants to buy an online product, he/she reviews the comments and notes written by others about the product. Clearly, it has a profound impact on the person’s decision to buy or not to buy the product. Sentiment analysis or opinion mining is one of the hot research topics in computer science. The main purpose of sentiment analysis is to extract opinions of individuals about the characteristics of an entity such as a product. In this research, an unsupervised opinion mining is proposed for Persian products based on implicit feature extraction which is a critical step in sentiment analysis. In most previous studies, statistical information is utilized to create a cooccurrence matrix and determine the implicit features. In this paper, we benefit from syntactic rules and sentiment clustering in conjunction with statistical information to construct an efficient cooccurrence matrix between features and sentiment words. The evaluation results provided on a realworld dataset, extracted from Digikala website, indicates that the proposed method achieves higher recall and precision compared to the previous studies.