ارائه يك مدل مبتني بر زمينه براي رفع ابهام از مفاهيم حسي با كمك دانش عرفي

A context-based model for disambiguating the sentiment concepts using the common-sense knowledge

با گسترده شدن روز افزون شبكه هاي اجتماعي، حجم زيادي از داده و محتوا توسط كاربران توليد مي شود. تحليل محتواهاي توليد شده توسط كاربران مي تواند براي نيل به اهداف اقتصادي، سياسي، فرهنگي، اجتماعي، دفاعي و امنيتي در جهت افزايش كارائي و بهره وري بسيار موثر مي باشد. امروزه با نفوذ شبكه هاي اجتماعي در بستر اينترنت، بسياري از جنبه هاي زندگي بشر تحت تاثير قرار گرفته است. اين شبكه ها علاوه بر بهوجود آوردن فرصت هايي كه قبلا وجود نداشته اند، تهديدات و مشكلات فراواني را بر عليه كاربران خود نيز بهوجود آورده اند؛ بنابراين تحليل احساسات در شبكه هاي اجتماعي از منظر امنيتي اهميت قابل توجهي دارد. در اين مقاله مدلي جديد براي تعيين قطبيت نظرات كاربران با رويكرد كيسه مفاهيم و بر مبناي دانش عرفي ارائه شده است. ابتدا روشي براي شناخت مفاهيم حسي مبهم پيشنهاد شده است، سپس روشي براي رفع ابهام از مفاهيم حسي با كمك كيسه مفاهيم و پيوندهاي آن با مفاهيم ديگر ارائه شده است. قطبيت مفاهيم مبهم، با توجه به بردارهاي زمينه مثبت و منفي شناخته شده و ارتباط با مفاهيم پايگاه دانش معنايي، دقيق تر تعيين مي شود. در نهايت مدل پيشنهادي با بكارگيري براي پيكره مورد نظر، مورد ارزيابي قرار گرفته و نتايج تجربي نشان دهنده اثر بخش بودن مدل پيشنهادي مي باشد.

Today, development of social networks and its popularity resulted in the creation of large amounts of data and content of their users. Analyzing the content produced by users can be very effective in achieving economic, political, cultural, social, and defense goals. Nowadays, many aspects of human life are affected by the influence of social networks on the Internet. Social networks have given rise to numerous threats and problems against their users, in addition to creating opportunities that have not existed before. Thus, in security reasons, sentiment analysis or opinion mining in social networks is significant. In this paper, we proposed a novel sentiment analysis model based on the bag-of-concepts approach as well as commonsense knowledge. First, a method was proposed for understanding ambiguous sentiment concepts, and then a method was provided to disambiguate the polarities with the help of bag-of-concepts and its links with other concepts. The polarity of ambiguous concepts was more accurately detected when we took into account the positive and negative context vectors and the relations to the concepts in the Semantic Knowledge Base. Finally, the proposed model was evaluated by applying it on the review corpus, and the experimental results showed the effectiveness of the proposed model.