ارائه چارچوبی برای تحلیل هوشمند احساسات با استفاده از روش جدید ترکیب ویژگی و فرا ابتکاری در بهینه سازی گروهی ذرات

نوع مقاله : مقاله پژوهشی (کاربردی)

نویسندگان

استادیار دانشگاه

10.48301/kssa.2023.386361.2458

چکیده

در عصر جدید با افزایش زمینه استفاده از اینترنت، افراد برای خرید محصولات خود و یا اطلاع از موضوعات مختلف به اینترنت مراجعه می‌نمایند. تعداد زیادی از صفحات مجازی وجود دارند که کاربران نظرات خود را در مورد موضوعات مختلف در آنها درج می‌کنند، در نتیجه حجم زیادی از داده‌ها وجود دارد که استخراج اطلاعات سودمند از آنها کار هزینه‌بر و زمانبری است. عقیده کاوی فرآیند تحلیل هوشمند احساسات کاربرانی است که نظرات خود را در ارتباط با یک موضوع مشخص طرح نموده و قابلیت استخراج دارند. روش یادگیری ماشین یکی از بهینه‌ترین و کارآمد‌ترین روش‌ها برای استخراج دانش از میان نظرات کاربران درباره محصولات ارائه شده می باشد. در این روش‌ها، داده‌های آموزشی یک سیستم جهت طبقه‌بندی نظرات کاربران داده می‌شود. یکی از مهمترین مراحل طبقه‌بندی، کاهش داده می‌باشد. با به کارگیری روش جدید ترکیب ویژگی می‌توان مجموعه ویژگی‌های استخراج شده را بیشتر از روش انتخاب ویژگی کاهش داد، که به یک زیر مجموعه‌ای از اطلاعات مفید با حجم بسیار کمتر و میزان قدرت تشخیص بالاتر رسید. در این تحقیق از الگوریتم بهینه‌سازی گروهی ذرات جهت بهینه کردن ترکیب ویژگی‌ها استفاده شده است. برای ارزیابی روش ارائه شده برای سنجش روش پیشنهاد شده از نرم‌افزار متلب استفاده شده است که بر روی چهار مجموعه داده آزمایش‌هایی صورت گرفت. نتایج تحقیق نشان داد که استفاده از روش ترکیب ویژگی، کارایی طبقه بندی را افزایش داده و از تأثیر این افزایش در افت کارایی دسته بندی کننده می کاهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Presenting a framework for intelligent sentiment analysis using a novel method of feature combination and meta-initiative in particle swarm optimization

نویسندگان [English]

  • mahdi basiri
  • framerz fathnejad
Assistant Professor
چکیده [English]

Nowaday, with the increase in the use of the Internet, people turn to the Internet to buy their products or to learn about various topics. There are a large number of virtual pages where users post their opinions on various topics. there is a large amount of data that extracting useful information from them is a costly and time-consuming task. Opinion mining is the process of intelligent analysis of the sentiments of users who have expressed their opinions in relation to a specific topic and has the ability to extract them. The machine learning method is one of the most optimal and efficient methods for extracting knowledge from users' opinions about the offered products. In these methods, the training data of a system is given to classify user opinions. One of the most important classification steps is data reduction. By using the new feature combination method, the set of extracted features can be reduced more than the feature selection method, which leads to a subset of useful information with a much smaller volume and higher recognition power.

In this research, particle group optimization algorithm was used to optimize the combination of features. To evaluate the proposed method, MATLAB software was used to evaluate the proposed method, and experiments were conducted on four data sets. The results of the research showed that the use of the feature combination method increases the efficiency of classification and reduces the effect of this increase in the decrease of the efficiency of the classifier.

کلیدواژه‌ها [English]

  • Feature combination method
  • intelligent analysis
  • emotions
  • group optimization of particles

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 13 شهریور 1402
  • تاریخ دریافت: 16 اسفند 1401
  • تاریخ بازنگری: 02 مرداد 1402
  • تاریخ پذیرش: 08 شهریور 1402