تحلیل احساسات کاربرانِ پارک های شهری مبتنی بر داده های فضای مجازی؛ با بهره گیری از روش های مدل گرا و غیرمدل گرا، مطالعه موردی: پارک ملت تهران(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
از میان انواع فضاهای شهری، فضاهای سبز شهری و پارک ها، به عنوان تنفس گاه های شهر، عرصه هایی سرسبز و آرامش بخش هستند و، به عنوان بستر فضایی پژوهش انتخاب شده اند. بنابراین این مقاله، با هدف تحلیل احساسات کاربران از پارک ملت تهران، در قالب پژوهشی تحلیلی و مبتنی بر روش کمی (رویکرد یادگیری ماشین نظارت شده و مبتنی بر لغت) است. داده ها پس از پیش پردازش و برچسب گذاری، با دو روش: مدل گرا و غیرمدل گرا، بررسی و تحلیل احساسات با زبان برنامه نویسی پایتون، انجام شده است. مقایسه این دو روش نشان داد که از میان الگوریتم های یادگیری ماشین، ایکس. جی.بوست با بیشترین دقت (87%)، کی-نزدیکترین همسایه و ماشین بردار پشتیبان با دقت کمتر، قابلیت پیش بینی احساسات در فضاهای سبز را دارند. روش لغوی (استفاده از فرهنگ لغت ویدر) در مقایسه با یادگیری ماشین، قابلیت پیش بینی کمتری دارد. در نهایت مدل یادگیری گروهی از نوع پشته سازی که برای بالا بردن دقت مدل استفاده شده که بر اساس نتایج ماتریس درهم آمیختگی (96%) قابلیت پیش بینی احساسات را دارد. بنابراین با بهره گیری از روش مبتنی بر داده های فضای مجازی، می توان، به پیش بینی احساسات کاربران سایر فضاهای سبز شهری با سرعت و دقت بالا در شهر تهران دست یافت.