نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکتری مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران، تهران. (نویسنده مسئول،
2 استاد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران تهران.
3 استاد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران، تهران.
4 استادیار، گروه مدیریت دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا (س)، تهران.
چکیده
در سالهای اخیر رشد شبکههای اجتماعی و به‌تبع آن افزایش فزاینده محتوای این شبکهها باعث شده است تا افراد برای خرید و استفاده از محصولات، خدمات و یا حتی انتخابهای سیاسی خود از نظرات سایر افراد برای تصمیمگیری استفاده نمایند. با توجه به آنکه نظرات کاربران به‌صورت متنی است و خواندن و جمع‌بندی آن‌ها زمانبر و مشکل است، خودکارسازی استخراج عقاید و احساسات نظرات کاربران یکی از راهکارهای پیشنهادی برای سایتهای فروش آنلاین جهت ارائه خدمات کاراتر به مشتریان جهت تصمیمگیری آگاهانهتر است. تحلیل احساسات یا عقیده کاوی فرآیندی است که نظرات، احساسات و نگرش افراد در ارتباط با موضوعی خاص استخراج میشود و به‌عنوان شاخه‌ای از متن‌کاوی شناخته میشود. نتایج حاصل از تحلیل احساسات میتواند در سیستمهای پیشنهاددهنده جهت ارائه پیشنهاد‌های کاراتر برای خرید مورد استفاده قرار گیرد. اطلاعات حاصل از عقیده کاوی میتواند در زمینههای مختلف ازجمله کتابخانهها در انتخاب بهتر و خرید مبتنی بر نظرات واقعی کاربران کاربرد داشته باشد. در این پژوهش سیستمی جهت دسته‌بندی خودکار احساسات بیان‌شده در نظرات مربوط به خریداران کتاب سایت آمازون ارائه شده است. سیستم با استفاده از مدلهای ترکیبی برای تحلیل احساسات نظرات کاربران سایت آمازون طراحی شده است. جهت کلیه تحلیلها از پکیجهای متن‌کاوی پایتون استفاده است. نتایج نشان میدهند سیستم پیشنهادی میتواند به‌صورت خودکار نظرات مثبت و منفی را با دقت بالای 80% دسته‌بندی نماید.
کلیدواژه‌ها
عنوان مقاله [English]
A Model to Classify Book Buyers’ Sentiments Using Ensemble Approach
نویسندگان [English]
- Fatemeh Abbasi 1
- Babak Sohrabi 2
- Amir Manian 3
- Ameneh Khadivar 4
1 Ph.D. Student, IT, Faculty of Management, University of Tehran, (Corresponding Author: sati9634@yahoo.com)
2 Professor, Faculty of Management, University of Tehran,
3 Professor, Faculty of Management, University of Tehran, Tehran
4 Assistant Professor, Department of Social and Economics, Alzahra University, Tehran
چکیده [English]
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%.
کلیدواژه‌ها [English]
- Text Mining
- Sentiment Analysis
- Opinion Mining
- Ensemble Model
)