بررسي تعداد درختان در الگوريتم جنگل تصادفي براي تحليل عقايد در فروشگاه هاي مجازي

امروزه تعداد مشترياني كه از فروشگاه هاي اينترنتي استفاده مي كنند رو به افزايش است، اما تصميم گيري از روي تصوير و توضيحات محصول براي خريد، مشكل مي شود. از طرفي مشتريان، نظرات كاربران را در مورد يك محصول، قابل اطمينان و بدون گرايش تصور مي كنند. با اينوجود، زماني كه نظرات در مورد يك محصول خاص بيش از اندازه زياد باشد، بررسي تمام نظرات از حوصله ي مشتري خارج مي شود. بنابر اين تحليل نظرات مشتريان براي استخراج اطلاعات ارزشمند يكي از مسائل مهم و چالش برانگيز است. در اين مقاله، به منظور دسته بندي نظرات كاربران در فروشگاه هاي مجازي، از الگوريتم جنگل تصادفي كه روشي مبتني بر تكنيك يادگيري دسته جمعي است استفاده مي شود، در اين روش دسته بندهاي مورد استفاده درخت هاي تصميم گيري هستند. يكي از پارامترهاي مهم و موثر در دقت دسته بندي، تعداد درختان در جنگل است. هر يك از درختان موجود در جنگل به تنهايي كارايي زيادي نداشته و در واقع قدرت تشخيص جنگل به برآيند قدرت كليه ي درختان وابسته است. پس از بررسي تعداد درختان جنگل مشاهده كرديم، جنگلي كه با استخراج ويژگي مبتني بر رويكرد معنايي ساخته شده، نتايج بدتري در مقايسه با استخراج ويژگي مبتني بر رويكرد آماري در پي داشته و كارايي الگوريتم به شدت افت كرده است و همچنين با افزايش تعداد درختان، قدرت تشخيص جنگل افزايش مي يابد.