تحلیل احساسات نظرات کاربران تریپ‌ادوایزر برای رستوران‌های ایران با رویکرد یادگیری عمیق

در سال های اخیر بسیاری از کاربران احساسات و نظرات خود را در مورد غذا،‌ خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان کرده اند. این نظرات برای تصمیم گیری سایرکاربران و همینطور رستوران ها جهت حفظ کیفیت، توسعه‌ی محصول و برندشان بسیار مهم است. تحلیل احساسات رویکردی جهت پردازش زبان طبیعی است و امکان تحلیل سیستماتیک نظرات کاربران را فراهم کرده است. با توجه به اهمیت این موضوع هدف این مطالعه ارائه‌ی مدل تحلیل احساسات نظرات سایت تریپ‌ادوایزر درباره‌ رستوران‌های ایرانی است. این پژوهش تحلیل احساسات مبتنی بر جنبه بر اساس الگوریتم یادگیری عمیق شبکه‌ی عصبی حافظه‌ی طولانی کوتاه‌مدت استاندارد را برای استخراج احساسات کاربران در مورد رستوران‌ها پیشنهاد کرده است. برای آموزش مدل، 4000 نظر طبق چهار جنبه در سه حالت عدم اشاره، مثبت و منفی برچسب زده شد و گام‌های مطالعه طبق متدولوژی کریسپ صورت گرفت. میزان دقت برای معیارهای غذا، سرویس، قیمت و اتمسفر به ترتیب 82%، 86%، 87% و 81% به دست آمد. این نتایج نشان از کارایی و عملکرد قابل قبول مدل برای تحلیل احساسات مبتنی بر جنبه‌ رستوران‌ها است. همچنین جنبه‌ی غذا و اتمسفر به ترتیب مهم‌ترین جنبه‌ها برای مشتریان رستوران‌های ایرانی محسوب می‌شوند. رستوران‌داران و صاحبان کسب‌وکار می‌توانند از مدل توسعه یافته برای کسب مزیت رقابتی و یافتن نقاط قوت و ضعف خود استفاده کنند.همچنین با توجه به اینکه نظرات به صورت دستی برچسب زده شدند، می توانند در پژوهش های بعدی نیز مورد استفاده قرار گیرند.

sentiment analysis of tripadvisor comments for iranian restaurants with a deep learning approach

in recent years, many users have expressed their opinions about food, service, quality and restaurant atmosphere online. these comments are very important for the decision of other users as well as restaurants to maintain quality, product development and their brand. sentiment analysis is a natural language processing approach and allows systematic analysis of users' opinions. due to the importance of this issue, the purpose of this study is to present a model for analyzing the sentiment of tripadvisor's comments about iranian restaurants. in this research, an aspect-based sentiment analysis based on a deep learning algorithm which is the standard long short-term memory neural network to extract users' sentiments about restaurant is proposed. to teach the model, 4000 comments were labeled according to four aspects in three classes of not related, positive and negative, and the study steps were done based on crisp methodology. accuracy for food, service, value and atmosphere were %82, %86, %87and %81, respectively. these results indicate the efficiency and acceptable performance of the model for aspect-based sentiment analysis of restaurants. also, the aspect of food and atmosphere are considered the most important aspects for customers of iranian restaurants. restaurateurs and business owners can use the developed model to gain competitive advantage and find their strengths and weaknesses. furthermore, considering that comments were labeled manually, they can be used in future research.