مرضیه میر - گروه مهندسی فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان
سمیرا نوفرستی - گروه مهندسی فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان

هدف تحلیل احساسات، طبقه بندی متون با توجه به احساس، عقیده و نگرش نویسنده متن است. در اغلب تحقیقات موجود، متون به دو دسته مثبت و منفی تقسیم میشوند، با این وجود دسته بندی های دیگری مانند خوب/بد یا موافق/مخالف هم وجود دارد که هر کدام کاربردهای خاص خود را دارند. هدف این مقاله تحلیل نظرات مطرح شده توسط کاربران فارسیزبان در رسانه های اجتماعی درباره بازگشایی مدارس در دوران همه گیری کووید-۱۹ با به کارگیری تکنیک های یادگیری ماشین باناظر و طبقه بندی آنها به دو دسته موافق و مخالف است. در زبان فارسی، عدم وجود مجموعه داده های کافی و دقت کم ابزارهای پردازش زبان طبیعی، به کارگیری الگوریتم های یادگیری ماشین باناظر و نیز استخراج ویژگی های باکیفیت را با چالش جدی روبرو ساخته است. در این مقاله ابتدا یک مجموعه کوچک از نظرات کاربران درباره بازگشایی مدارس جمع آوری و به صورت دستی برچسب زده شده است. سپس با استفاده از یک روش ترکیبی برای داده افزایی، اندازه مجموعه آموزش حدود ۴۳ درصد افزایش داده شده است. در پایان با استفاده از الگوریتم SVM به طبقه بندی نظرات مجموعه تست پرداخته شده است. نتایج آزمایشات انجام گرفته نشان میدهد که با اعمال روش پیشنهادی برای داده افزایی و به کارگیری ویژگی های انتخابی در این مقاله، دقت ۸۳ درصد برای طبقه بندی نظرات حاصل میشود.

تحلیل احساسات، نظرکاوی، یادگیری ماشین، بازگشایی مدارس، کووید-۱۹، انتخاب ویژگی، داده افزایی