نظرکاوی

به سبب رشد سریع شبکه ها و رسانه های اجتماعی، امکان دسترسی افراد به نظرهای دیگران افزایش یافته است. نظرها، حاوی اطلاعات ارزشمندی اند که با تحلیل آنها، می توان به گرایش ها و ترجیح افراد پی برد و نظرهای مثبت و منفی را نسبت به مسائل گوناگون، شناسایی کرد. نظرکاوی فرایندی است که به تحلیل عاطفه ها، احساس ها و نظرهای افراد می پردازد و از این طریق، اولویت افراد را شناسایی می کند. در این مقاله، روشی برای نظرکاوی در زبان فارسی ارائه شده است که از ترکیب لغت نامه و الگوریتم نظارتی ماشین بردار پشتیبان (SVM) استفاده می کند. برای ایجاد لغت نامه، از لغت نامه SentiWordNet بهره برده شده است. در واقع این لغت نامه، مجموعه ویژگی های الگوریتم SVM است. برای ارزیابی نتایج، از داده های دامنه هتل استفاده شد. چهار فرضیه برای دستیابی به بهترین نتیجه تعریف شد که از این بین، بیشترین درستی، به فرضیه حاصل ضرب قطبیت در تعداد تکرار کلمه ها اختصاص یافت.

با همه گیر شدن بیماری کووید-19، قرنطینه شدن مردم و فاصله گذاری اجتماعی، افراد بیش از پیش نظرات خود درباره ویروس کرونا را در شبکه های اجتماعی مانند توئیتر منتشر می کنند. با این حال، هنوز مطالعه ای برای تحلیل نظرات برخط افراد به منظور درک احساسات آن ها در مورد همه گیری کووید-19 در ایران گزارش نشده است. در این پژوهش به تحلیل احساسات موجود در نظرات مردم ایران در شبکه اجتماعی توییتر در طول بحران کرونا پرداخته می شود. برای این منظور یک مدل شبکه عصبی عمیق ارائه می شود. با توجه به این که داده های برچسب گذاری شده از توئیت های مرتبط با کرونا در دسترس نیست، مدل پیشنهادی ابتدا روی مجموعه داده Sentiment140 دانشگاه استنفورد شامل یک میلیون و ششصدهزار توئیت آموزش داده شده، سپس برای طبقه بندی دوکلاسه ی احساسات موجود در توئیت های جمع آوری شده مرتبط با کرونا در ایران استفاده می شود. نتایج نشان می دهد درصد توئیت ها دارای احساسات منفی نسبت به توئیت های مثبت به شکل معنی داری بیشتر است. همچنین، تغییر احساسات منفی افراد در ماه های مختلف متناسب با تغییر در آمار بیماران می باشد.