بهبود الگوریتم تحلیل زمینه‌ای خودکار و خوشه‌بندی گروهی برای تحلیل احساسات کاربران

تحلیل احساسات یکی از موثرترین ابزارهایی است که به شناخت شرکت ها از مشتریان احتمالی خود کمک می کند. یکی از مهم ترین جنبه های تحلیل احساسات، تحلیل احساسات زمینه ای و میان‌دامنه ای است که می تواند کمک شایانی به بررسی مجموعه‌داده‌های طبقه بندی نشده بکند. در این پژوهش با استفاده از فرهنگ لغت vader، روش طبقه بندی گروهی، روش کیسه کلمات و روش های خوشه بندی کاندید الگوریتم تحلیل زمینه‌ای خودکار و خوشه‌بندی گروهی، بهبود داده شده است. در روش پیشنهادی ابتدا با استفاده از فرهنگ لغت vader فرایند برچسب زنی خودکار داده ها انجام شده است و سپس برای استخراج ویژگی های مستقل از دامنه داده ها، طبقه بندی گروهی با logisticregression و randomforestclassifier و gaussiannb بکار گرفته شده است که از ویژگی های مدل های برداری tfidf یا bagofword استفاده شده است. باتوجه‌به اینکه اگر از خروجی مدل طبقه بندی گروهی به عنوان ویژگی در الگوریتم خوشه بندی استفاده شود، خوشه بندی می-تواند برای شناسایی الگوها در داده ها و گروه بندی موارد مشابه با هم استفاده شود. در روش پیشنهادی برای تحلیل زمینه ای احساسات با استفاده از نتایج طبقه بندی در روش های خوشه بندی k-means birch، dbscan، gaussianmixture و spectralclustering به‌عنوان روش های خوشه بندی کاندید به تحلیل زمینه ای احساسات پرداخته شده است. از نتایج این پژوهش که ویژگی تحلیل زمینه ای احساسات در مجموعه داده های طبقه بندی نشده را دارد می توان به افزایش دقت و کاهش زمان اجرا نسبت به الگوریتم معیار اشاره کرد.