ارائه مدلي جهت دسته‌بندي حساسات خريداران كتاب با استفاده از رويكرد تركيبي

A Model to Classify Book Buyers’ Sentiments Using Ensemble Approach

در سال هاي اخير رشد شبكه هاي اجتماعي و به تبع آن افزايش فزاينده محتواي اين شبكه ها باعث شده است تا افراد براي خريد و استفاده از محصولات، خدمات و يا حتي انتخاب هاي سياسي خود از نظرات ساير افراد براي تصميم گيري استفاده نمايند. با توجه به آنكه نظرات كاربران به صورت متني است و خواندن و جمع بندي آن ها زمان بر و مشكل است، خودكارسازي استخراج عقايد و احساسات نظرات كاربران يكي از راهكارهاي پيشنهادي براي سايت هاي فروش آنلاين جهت ارائه خدمات كاراتر به مشتريان جهت تصميم گيري آگاهانه تر است. تحليل احساسات يا عقيده كاوي فرآيندي است كه نظرات، احساسات و نگرش افراد در ارتباط با موضوعي خاص استخراج ميشود و به عنوان شاخه اي از متن كاوي شناخته مي شود. نتايج حاصل از تحليل احساسات مي تواند در سيستم هاي پيشنهاددهنده جهت ارائه پيشنهاد هاي كاراتر براي خريد مورد استفاده قرار گيرد. اطلاعات حاصل از عقيده كاوي مي تواند در زمينه هاي مختلف ازجمله كتابخانه ها در انتخاب بهتر و خريد مبتني بر نظرات واقعي كاربران كاربرد داشته باشد. در اين پژوهش سيستمي جهت دسته بندي خودكار احساسات بيان شده در نظرات مربوط به خريداران كتاب سايت آمازون ارائه شده است. سيستم با استفاده از مدل هاي تركيبي براي تحليل احساسات نظرات كاربران سايت آمازون طراحي شده است. جهت كليه تحليل ها از پكيج هاي متن كاوي پايتون استفاده است. نتايج نشان مي دهند سيستم پيشنهادي مي تواند به صورت خودكار نظرات مثبت و منفي را با دقت بالاي 80% دسته بندي نمايد.

In recent years, the growth of social networks and, consequently, the increasing content of these networks have led people to use others’ opinions to make decisions for the purchase and use of products, services or even political choices. Given the fact that users' comments are textual and their reading and summarizing is timely and difficult, the automation of the extraction of opinions and sentiments of users' comments is one of the suggested solutions for online sales sites to provide more efficient services to customers for better decision making. Sentiment analysis or opinion mining is a process where people's opinions, feelings and attitudes are extracted in relation to a particular subject and are recognized as a branch of the text mining. The results of sentiment analysis can be used in recommender systems to provide more effective shopping suggestions. Information derived from the opinion mining can be used in a variety of fields such as libraries for better choices and purchases based on the users' real opinions. In this research, a system for automatically categorizing the sentiments expressed in the opinions of the buyers of the Amazon book website is presented. The system is designed using ensemble voting models to analyze the sentiment of Amazon users' comments. For all analyses, Python text mining packages are used. In ensemble method two methods are used: majority voting and weight-based voting. In the weighting method, a greater weight is assigned to a classifier by higher accuracy. By comparing the performance of the results, the weighting model is chosen as the final model for making the sentiment analysis. Results show that the proposed system can automatically classify positive and negative comments with an accuracy of over 80%.