كشف گزارش هاي نقص محصول از متن نظرات آنلاين كاربران

با توسعه وب 2 و شبكه هاي اجتماعي، مشتريان و كاربران نظرهاي خود را درباره ي محصولات مختلف با يكديگر به اشتراك مي گذارند. اين نظرها به عنوان يك منبع ارزشمند، جهت تعيين جايگاه كالا و موفقيت در بازاريابي، مي تواند مورد استفاده قرار گيرد. استخراج نواقص گزارش شده از ميان حجم زياد نظرهايي كه توسط كاربران توليد شده از مشكلات عمده اين زمينه تحقيقاتي است. مشتريان و مصرف كنندگان با مقايسه محصولات توليدكنندگان مختلف نقاط قوت و ضعف محصولات را در قالب نظرهاي مثبت و منفي بيان مي نمايند. طبقه بندي نظرات بر اساس واژگان حسي مثبت و منفي در متن نظر به اسناد حاوي گزارش نقص و فاقد آن نتيجه درست و دقيقي در پي ندارد. چون گزارش نواقص صرفاً در نظرات منفي صورت نمي گيرد. ممكن است كه مشتري نسبت به يك كالا حس مثبتي داشته باشد و با اين حال در نظر خود يك نقص را گزارش نمايد. بنابراين چالش ديگر اين زمينه تحقيقاتي طبقه بندي درست و دقيق نظرات است. براي حل اين مشكلات و چالش ها، در اين مقاله روشي موثر و كارا براي استخراج نظرهاي حاوي گزارش نقص محصول از نظرهاي آنلاين كاربران ارائه گرديده است. بدين منظور طبقه بند جنگل تصادفي براي تشخيص گزارش نقص و تكنيك بدون ناظر مدل سازي موضوعي تخصيص پنهان ديريكله را براي ارائه ي خلاصه اي از گزارش نقص بكار گرفته شدند. براي تحليل و ارزيابي روش پيشنهادي از داده هاي وب سايت آمازون استفاده شده است. نتايج نشان داد جنگل تصادفي حتي با تعداد كم داده هاي آموزشي عملكرد قابل قبولي براي كشف گزارش نقص دارد. نتايج و خروجي هاي استخراج شده از اسناد حاوي گزارش نقص، شامل خلاصه ي گزارش نقص جهت سهولت در تصميم گيري توليدكنندگان، يافتن الگوهاي وجود گزارش نقص در متن به صورت خودكار و كشف جنبه هايي از محصول كه بيشترين گزارش نقص مربوط به آنها مي باشد، نشان دهنده توانايي روش تخصيص پنهان ديريكله است.