مائده شیخ حسنی

مائده شیخ حسنی


تاریخ انتشار : Publish : نسخه قابل چاپ Print

جلسه دفاع برای دریافت درجه کارشناسی ارشد در رشته مهندسی کامپیوتر

 

عنوان:

نظرکاوی جنبه‌گرا به کمک استخراج روابط معنایی

 

استاد راهنما:

دکتر محرم منصوری‌زاده

استاد مشاور:

دکتر میرحسین دزفولیان

اساتید داور:

دکتر حسن ختنلو

دکتر مهدی سخایی‎نیا

 

پژوهش‎گر:

مائده شیخ حسنی

 

مکان: کلاس 27 دانشکده مهندسی

زمان: ساعت 11 یکشنبه مورخ 17/11/1395

 

چکیده

یکی از دغدغههای مصرف‌کننده محصولات، داشتن یک پیش‌زمینه ذهنی با توجه به نظرات خریداران قبلی نسبت به یک محصول، قبل از تصمیم‌گیری برای خرید آن است.در کنار مصرف‌کنندگان، تولیدکنندگان هم  برای بهبود محصولات قبلی و پیشی گرفتن در بازار فروش نسبت به رقیبان به نظرات مصرف‌کنندگان محصولات خود اهمیت میدهند. امروزه با افزایش تولید برخط محتوا  توسط کاربران در شبکههای اجتماعی درباره یک شی واقعی یا انتزاعی، امکان رسیدن به اهداف بالا فراهم‌شده است. وجود انبوهی از اطلاعات، تحلیل آن‌ها را سخت کرده است به همین دلیل نظرکاوی از جایگاه ویژهای در متن‌کاوی برخوردار است. نظرکاوی رشته‌ای از مطالعات است که در آن عقیده، احساس، ارزیابی، گرایش و هیجان مردم از زبان نوشتاری تحلیل میشود. نمونهای از نظرکاوی، نظرکاوی ریزدانه جنبهگرا است که در آن جنبههای مهم یک قلم از متن نظر استخراج‌شده و جهتگیری هر جنبه بر اساس احساس ذکرشده تخمین زده میشود. در اینجا هر جنبه ویژگی یا جزئی از یک قلم و جهت‏گیری همان ارزش عددی بیان‌کننده احساس کاربر است. ما در این پژوهش با استخراج ویژگیهای معنایی متن و استفاده از میدان تصادف شرطی به‌عنوان مدل یادگیر، جنبههای نهفته در متن نظرات را استخراج کردیم و با استخراج ویژگیهای معنایی و شبکه عصبی چند لایه پرسپترون جهتگیری نسبت داده شده به هر جنبه را تخمین زدیم. نتایج آزمایش ها نشان می دهد که روش مورد استفاده در این پژوهش عملکردی قابل رقابت با بهترین روشهای اخیر دارد؛ بهعنوانمثال روش پیشنهادی روی مجموعه دادگان Semeval2014 برای استخراج جنبهها از متن عملکرد بسیار مطلوبی داشته است.

 

 

Abstract

One of the main concerns of consumers is getting an overview about a product based on other users’ experiences. Furthermore, vendors also require these reports and feedbacks to improve their products.  Online user reviews about real or abstract objects in social networks, electronic shops, review websites, and vendor and marketer websites can help to get such an insight more realistically. On the other hand, the ever growing volume of these contents makes processing and analysis tasks more challenging. Opinion mining is a field of study that aims to extract evaluation, idea, sentiment, orientation and affective states of users from textual expressions.  Aspect oriented opinion mining is a fine grained subfield of opining mining in which a review text is inspected for sentiment and orientation of the user about important aspects of an item. Here an aspect is an attribute or a part of an item and orientation is a numerical value denoting user's feeling about it.  In this thesis we have extracted semantic information of the review text and adopted conditional random fields for discovering important aspects of the discussed item. A multi-layer feed forward neural network is used for estimation of the aspects' sentiments. Experiments confirm that the proposed approach has competitive results to the state of the art related works. For instance it has very satisfactory results in discovering aspects on semeval2014 dataset.