تشخیص ارائه‌دهندگان خدمات در پیام‌های فارسی تلگرام مبتنی بر روش‌های انتخاب ویژگی

پیام‌رسان تلگرام بستری مناسب برای کاربرانی است که به دنبال خرید محصول یا دریافت خدمات به صورت آنلاین هستند. در این پیام‌رسان، برای درخواست محصول،امکان دسترسی مستقیم به ارائه‌دهندگان کالا و خدمات وجود ندارد و باید ابتدا در گروه‌های تلگرامی مرتبط عضو شد و درخواست خود را در تک تک گروه‌ها ثبت کرد و منتظر پاسخ ماند. این امر ضمن زمان‌بر بودن، با مشکلاتی همراه است. هدف از این پژوهش تشخیص کاربران ارائه‌دهنده خدمات به منظور ارتباط مستقیم و موثر با مشتریان است. بدین منظور از ایده دسته‌بندی پیام‌های فارسی منتشر شده در تلگرام استفاده شد. یکی از مشکلات دسته‌بندی این پیام‌ها، ابعاد بزرگ فضای ویژگی است که سبب کاهش دقت و افزایش زمان دسته‌بندی می‌شود. برای حل این مسئله از روش‌های انتخاب ویژگی استفاده شد. روش پیشنهادی این پژوهش، بر مبنای ترکیب روش‌های انتخاب ویژگی مبتنی بر فیلتر محلی و سراسری است. نوآوری این پژوهش در استفاده از روش‌های ترکیبی انتخاب ویژگی جهت دسته‌بندی خودکار پیام‌های فارسی تلگرام، به منظور شناسایی کاربران ارائه‌دهنده خدمات است. روش‌ پیشنهادی، ضمن کاهش تعداد ویژگی‌ها و انتخاب ویژگی‌های مرتبط، سبب بهبود عملکرد دسته‌بندی و تشخیص کاربران ارائه‌دهنده خدمات می‌شود.

service providers identification in telegram persian messages based on feature selection methods

telegram messenger is a suitable platform for users who are looking to buy a product or receive services online. in these messengers, it is not possible to have direct access to the providers of goods and services, and in order to request the product, one must first become a member of the related groups and channels telegram. the purpose of this study is to directly identify users of service providers using the classification of persian messages published in telegram. one of the problems with categorizing these messages is the large size of the feature space, which reduces accuracy and increases classification time. feature selection methods were used to solve this problem. the proposed method of this research is based on a combination of feature selection methods based on local and global filters. in this regard, in the first step, using the most widely used methods for selecting local and global filter feature, related features are selected. in the second step, a combination of local and global filtering methods is used to identify better features and increase classification accuracy. the innovation of this research is in using the combined methods of feature selection for automatic classification of telegram persian messages, in order to identify the users of the service provider. the proposed method, while reducing the number of features and selecting related features, improves the performance of classification and identification of service providers.