کاوش پیشنهادها ازمتن نظرات آنلاین کاربران به کمک روش‌های بازیابی اطلاعات

کاوش پیشنهادها ازمتن نظرات آنلاین کاربران به کمک روش‌های بازیابی اطلاعات


کاوش پیشنهادها ازمتن نظرات آنلاین کاربران به کمک روش‌های بازیابی اطلاعات

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: کاوش پیشنهادها ازمتن نظرات آنلاین کاربران به کمک روش‌های بازیابی اطلاعات

ارائه دهنده: Provider: زهرا هادی زاده

اساتید راهنما: Supervisors: دکتر محرم منصوری زاده

اساتید مشاور: Advisory Professors: دکتر میرحسین دزفولیان

اساتید ممتحن یا داور: Examining professors or referees: دکتر رضا محمدی و دکتر مرتضی یوسف صنعتی

زمان و تاریخ ارائه: Time and date of presentation: 1400/08/05, 14:00

مکان ارائه: Place of presentation: دانشکده مهندسی

چکیده: Abstract: با افزایش روزافزون وب و امکان تعامل بین کاربران و بیان نظرات در بستر وب، نظر کاوی به یک حوزه محبوب تحقیقاتی در زمینه پردازش زبان طبیعی تبدیل‌شده است. نظرات کاربران، تا حد زیادی احساسات مثبت و منفی را نسبت به یک موجودیت خاص بیان کرده و علاوه ‌بر این پیشنهادها و توصیه‌هایی را برای بهبود سازمان‌ها و تصمیم‌گیری سایر کاربران در دسترس عموم قرار می‌دهند. هدف این پژوهش، استفاده از تکنیک‌های بازیابی اطلاعات به‌منظور دسته‌بندی خودکار نظرات است. با کمک بازیابی اطلاعات، جملات یک متن که از نوع غیر ساخت‌یافته هستند به‌صورت برداری از اعداد تبدیل می‌شوند. سپس با الگوریتم‌های دسته‌بندی به‌طور خودکار به دو دسته‌ی پیشنهاد و غیر پیشنهاد تقسیم می‌شوند. با توجه به حجم بسیار محدود کارهای مرتبط، استخراج پیشنهاد می‌تواند به‌عنوان یک مسئله تحقیقاتی جدید در نظر گرفته شود. بنابراین، در این پایان‌نامه رویکردهای معیارهای فاصله، شبکه عصبی چندلایه پرسپترون، ماشین بردار پشتیبان، لجستیک رگرسیون و شبکه عصبی پیچشی با بردارهای tfidf ، bow و word2vec و استخراج کلمات کلیدی انجام شد. روش پیشنهادی روی مجموعه داده Semeval2019,Task9 برای استخراج پیشنهادها از متن نظرات آنلاین ارائه‌شده است. نتایج نشان می‌دهد f1-Score در مقایسه با کار قبلی بهبود خوبی داشته و به مقدار 0.87 رسیده است.

فایل: ّFile: