تشخيص عددي قطبيت با كاربست شبكه‌هاي عميق بازگشتي و يادگيري بانظارت در نظركاوي بر روي مرورهاي فارسي كاربران حوزه تجارت الكترونيك‌

نظركاوي، زيرشاخه‌اي از داده‌كاوي است كه به حوزه پردازش زبان طبيعي وابسته بوده و با گسترش تجارت الكترونيكي، به يكي از زمينه‌هاي محبوب در بازيابي اطلاعات تبديل شده است. اين حوزه بر زيرمجموعه‌هاي مختلفي مانند تشخيص قطبيت، استخراج جنبه و تشخيص هرزنظر تمركز دارد. اگرچه وابستگي نهاني بين اين زيرمجموعه‌ها وجود دارد اما طراحي يك چارچوب جامع شامل تمامي اين موارد، بسيار چالش‌برانگيز است. پژوهش‌هاي موجود در اين حوزه اكثراً بر روي زبان انگليسي بوده و براي تحليل احساس، بدون توجه به زيرمجموعه‌هاي تأثيرگذار، فقط بر روي حالت باينري تمركز داشته‌اند. همچنين استفاده از يادگيري ماشيني براي دسته‌بندي نظرات بسيار رايج است و در سال‌هاي اخير، اغلب پژوهش‌ها از يادگيري عميق با اهداف متفاوت استفاده كرده‌اند. از آنجا كه در ادبيات پژوهشي به چارچوبي جامع با تمركز بر زيرمجموعه‌هاي تأثيرگذار كمتر پرداخته شده است، از اين رو در مقاله حاضر با استفاده از راهكارهاي نظركاوي و پردازش زبان طبيعي، چارچوب جامع مبتني بر يادگيري عميق با نام RSAD كه پيشتر توسط نويسندگان اين مقاله در حوزه نظركاوي كاربران فارسي زبان توسعه داده شده بود براي تشخيص قطبيت در دو حالت باينري و غير باينري جملات با تمركز بر سطح جنبه بهبود داده شده كه تمام زيرمجموعه‌هاي لازم براي تحليل احساس را پوشش مي‌دهد. مقايسه و ارزيابي RSAD با رويكردهاي موجود، نشان‌دهنده استحكام آن است.