مطالعات مدیریت کسب و کار هوشمند

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد، دانشکده علوم اجتماعی و اقتصاد ، دانشگاه الزهرا، تهران، ایران

2 دانشیار، مدیریت، دانشکده علوم اجتماعی و اقتصاد دانشگاه الزهرا (س)، تهران، ایران.

3 استادیار، دانشکده فناوری اطلاعات، موسسه آموزش عالی مهرالبرز، تهران، ایران

10.22054/ims.2022.63437.2051

چکیده

رشد اینترنت، ‌شبکه‌های اجتماعی و وبسایت‌های تجارت الکترونیک بستری جهت ارائه عقاید و نظرات برای کاربران فراهم می نمایند. در سال های اخیر بسیاری از کاربران احساسات و نظرات خوب یا بد خود را در مورد غذا،‌ خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان می کنند. این نظرات برای تصمیم گیری سایرکاربران و همینطور رستوران ها جهت حفظ کیفیت، توسعه‌ی محصول و برندشان بسیار مهم می باشند. تحلیل احساسات رویکردی جهت پردازش زبان طبیعی است و امکان تحلیل سیستماتیک نظرات کاربران را فراهم می نماید. با توجه به اهمیت این موضوع هدف این مطالعه ارائه‌ی مدل تحلیل احساسات نظرات سایت تریپ‌ادوایزر درباره‌ی رستوران‌های ایرانی می‌باشد. در این تحقیق ما تحلیل احساسات مبتنی بر جنبه بر اساس الگوریتم یادگیری عمیق شبکه‌ی عصبی حافظه‌ی طولانی کوتاه‌مدت استاندارد را برای استخراج احساسات کاربران در مورد رستوران‌ها پیشنهاد نموده‌ایم. برای آموزش مدل، 4000 نظر طبق چهار جنبه در سه حالت عدم اشاره، مثبت و منفی برچسب زده شد و گام‌های مطالعه طبق متدولوژی کریسپ صورت گرفت. میزان دقت برای معیارهای غذا، سرویس، قیمت و اتمسفر به ترتیب 82%، 86%، 87% و 81% به دست آمد. این نتایج نشان از کارایی و عملکرد قابل قبول مدل برای تحلیل احساسات مبتنی بر جنبه‌ی رستوران‌ها است. همچنین جنبه‌ی غذا و اتمسفر به ترتیب مهم‌ترین جنبه‌ها برای مشتریان رستوران‌های ایرانی محسوب می‌شوند. رستوران‌داران و صاحبان کسب‌وکار می‌توانند از مدل توسعهیافته برای کسب مزیت رقابتی و یافتن نقاط قوت و ضعف خود استفاده کنند.

کلیدواژه‌ها

عنوان مقاله [English]

Sentiment analysis of TripAdvisor comments for Iranian restaurants with a deep learning approach

نویسندگان [English]

  • Armina Mohseni 1
  • ameneh khadivar 2
  • Fatemeh Abbasi 3

1 Faculty of social science and economics, Alzahra University, Tehran, Iran

2 lAssociate Professor, Faculty of Social Sciences and Economics, Al-Zahra University, Tehran, Iran.

3 Assistant Prof., Dep. of Information Technology, Institute of Higher Education

چکیده [English]

The growth of the Internet, social networks and e-commerce websites provide a platform for users to express their opinions. In recent years, many users have expressed their positive or negative opinions about food, service, and quality and restaurant atmosphere online. These comments are very important for the decision of other users as well as restaurants to maintain quality, product development and their brand. Sentiment analysis is a natural language processing approach and allows systematic analysis of users' opinions. Due to the importance of this issue, the purpose of this study is to present a model for analyzing the sentiment of TripAdvisor's comments about Iranian restaurants. In this research, we propose an aspect-based sentiment analysis based on a deep learning algorithm which is the standard long short-term memory neural network to extract users' sentiments about restaurants. To teach the model, 4000 comments were labeled according to four aspects in three classes of not related, positive and negative, and the study steps were done based on Crisp methodology. Accuracy for food, service, value and atmosphere were 82%, 86%, 87% and 81%, respectively. These results indicate the efficiency and acceptable performance of the model for aspect-based sentiment analysis of restaurants. Furthermore, food and atmosphere are the most important aspects for the customers of Iranian restaurants, respectively. Restaurant owners can use the developed model to gain a competitive advantage and find their strengths and weaknesses.

کلیدواژه‌ها [English]

  • Deep Learning
  • Neural Network
  • Text Mining
  • Sentiment Analysis
  • TripAdvisor