ارائه رویکرد ترکیبی نوین جهت متن کاوی تحلیل احساسات در توییتر با استفاده از درخت تصمیم cart

با گسترش شبکه‏های اجتماعی به عنوان اجتماعات مجازی و استفاده روزافزون از آن‏ها، حجم انبوهی از نظرات کاربران در ارتباط با موضوعات مختلف پدید می‏آید. در نتیجه به کارگیری تکنیک‏های علمی نوین جهت تحلیل این شبکه‏ها ضروری به نظر می‏رسد. متن‏کاوی به عنوان یک راهکار ویژه و موثر، به دنبال کشف دانش از متون می‏باشد. در این مقاله، رویکردی نوین از ترکیب همزمان دو روش یادگیری ماشین و مبتنی بر واژگان جهت متن کاوی تحلیل احساسات در توییتر ارائه گردیده است. جهت بهبود متن‏کاوی تحلیل احساسات، و دسته‏بندی داده‏ها از درخت تصمیم cart به عنوان روش یادگیری ماشین، و برای کاوش دقیق‏تر در نوع احساسات بیان شده در توییت‏ها از لیست الگوریتم sentistrength به عنوان روش‏ مبتنی بر واژه، استفاده شده است. ویژگی منحصر به فرد cart، تحلیل ساختار داده پیچیده است که با توجه به ورودی مسئله می‏تواند عملیات مربوط به رگرسیون، همچنین دسته‏بندی داده‏ها را انجام دهد. توانمندی الگوریتم  sentistrengthدر تشخیص احساسات، موجب تحلیل دقیق احساسات موجود در توییت‏ها گردیده است. نتایج پیاده‏سازی جهت تشخیص احساسات توییت‏ها، در اغلب شاخص‏ها بهبود دسته‏بندی را نشان می‏دهد.

presenting a novel hybrid approach of text mining sentiment analysis in twitter using cart decision tree

today, with the enormous growth of the internet and social networks as virtual communities and mass media, and increased use of them, a huge amount of user feedback comes from a variety of topics. therefore, the use of novel approaches for analyzing them seems to be necessary. text mining, as a special strategy, drives the knowledge discovery process, which uses nonverbal and attractive patterns of natural language processing. in this paper, a new hybrid approach of machine learning and vocabularybased method to textmining sentiment analysis on twitter. to improve textmining and sentiment analysis, the cart decision tree is used as a machine learning method for classification, also for extracting more precisely sentiment, we use from the list of sentistrength algorithms as a lexiconbased method. cart is very effective in processing discrete and continuous data in text mining. the unique cart feature is a complex data structure analysis that can support regression as well as classification operations, according to the input of the problem. the ability and power of the sentistrength algorithm to detect sentiment has also led to a thorough analysis of sentiment in tweets. the results of the implementation in the polarity recognition show improvement of classification in the most feature.