ارائه‌ی چارچوبی هوشمند برای تحلیل احساسات فارسی در بازاریابی دیجیتال با بهره‌گیری از مدل‌های transformer

با گسترش شبکه‌های اجتماعی و پلتفرم‌های تجارت الکترونیک، داده‌های متنی حاصل از نظرات کاربران منبعی کلیدی برای شناخت نگرش مشتریان شده است. با این حال، تحلیل موثر احساسات برای زبان فارسی به‌دلیل ابهام‌های زبانی، ساختارهای مولفانه و کمبود داده‌های برچسب‌خورده چالشی باقی مانده است. در این مقاله چارچوبی هوشمند مبتنی بر مدل‌های transformer، به‌ویژه parsbert، برای تحلیل احساسات فارسی در حوزه بازاریابی دیجیتال پیشنهاد می‌شود. فرایند پیشنهادی شامل جمع‌آوری و نمونه‌برداری هدفمند از نظرات کاربران، پیش‌پردازش بومی‌شده متون فارسی، فاین‌تیونینگ مدل parsbert همراه با ادغام ویژگی‌های آماری، و مصورسازی و تحلیل نتایج است. ارزیابی‌های تجربی نشان می‌دهد که مدل پیشنهادی در مقایسه با روش‌های پایه (lstm و naive bayes) بهبود معناداری در معیارهای عملکرد ارائه می‌دهد (precision = 0.90, recall = 0.88, f1 = 0.89). این نتایج نشان می‌دهد چارچوب عرضه‌شده می‌تواند به‌عنوان ابزاری عملی برای بهینه‌سازی تصمیم‌گیری‌های بازاریابی دیجیتال و ارتقای تجربه مشتری مورد استفاده قرار گیرد.