تشخیص هرزنظرهای کاربران در زبان فارسی با کاربست الگوریتم‌های یادگیری بانظارت: مطالعه موردی درحوزه هتلداری داخلی

همگام با توسعه شبکه‌های اجتماعی، استفاده روزافزون کاربران از نظرات درج‌شده برای تصمیم‌گیری در حوزه‌هایی چون خرید، رای‌دادن در انتخابات و ... به پدیده‌ای با کاربرد چشمگیر بدل شده است. چالش این حوزه، وجود هرزنظر با تکیه بر این واقعیت است که یک فرد بدون ترس از افشای هویت واقعی از هر نقطه جهان می‌تواند به راحتی به بیان نظرات خود با اهداف مخرب در رسانه‌های اجتماعی اقدام کند. از این رو نظرات جعلی و هرز را برای ترویج یا بی‌اعتبارکردن محصولات، خدمات، سازمان‌ها یا افراد، منتشر سازد. تشخیص صحیح هرزنظر یک مساله مهم در حوزه نظرکاوی است زیرا علاوه بر وابستگی بسیار زیاد الگوریتم به ساختارهای زبانی، اعمال الگوریتم‌های هرزنظر از یک زبان به زبان دیگر سخت و یا غیرممکن است بنابراین یافتن نظرات جعلی و ساخت الگوریتمی قدرتمند تنها با تکیه بر اطلاعات موجود در متن نظر، ممکن نیست. مقاله حاضر با نوآوری در سه بخش در این حوزه به ترتیب با کار در زبان فارسی، استخراج نظر در سطح جمله و سند و ارائه مجموعه‌ای از ویژگی‌های بدیع ترکیب‌شده از اطلاعات متن، فراداده‌های آن، خصوصیات موجودیت و ویژگی‌های احساسی، به نظرکاوی نظرات فارسی درج‌شده کاربران هتل‌های ایران می‌پردازد و مساله تشخیص هرزنظر را به عنوان یک مساله دسته‌بندی دو دسته‌ای نگریسته و با هشت روش یادگیری بانظارت، مدلسازی می‌نماید. برای ارزیابی نتایج با استفاده از پارامترهای صحت، فراخوانی و دقت، درخت تصمیم به همراه دو دسته‌بند ترکیبی adaboost , bagging به عنوان بهترین دسته‌بندها در تشخیص هرزنظر با مجموعه ویژگی‌های طراحی‌شده در این پژوهش شناسایی شدند. همچنین تشخیص هرزنظر مبتنی بر مجموعه ویژگی‌های این مقاله، با دو مجموعه جامع دیگر از ویژگی‌ها در سایر پژوهش‌ها، مقایسه شد. نتایج حاکی از برتری هفت مدل مقاله با مجموعه ویژگی‌های ارائه‌شده نسبت به دو مجموعه مقالات دیگر است.