کاوش پیشنهادها ازمتن نظرات به کمک روش های بازیابی اطلاعات

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 161

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC27_013

تاریخ نمایه سازی: 3 خرداد 1401

چکیده مقاله:

انجمن های آنلاین برای به اشتراک گذاشتن تجربیات و نظرات در مورد محصولات و خدمات استفاده میشوند. این انجمن ها از سایت های متن نظرات مانند آمازون تا شبکه های اجتماعی مانند توییتر را شامل میشوند. محتوای تولید شده توسط کاربر در پلتفرم های مذکور، شامل پیشنهادها و دیدگاه هایی است که نظر سایر کاربران و مدیران سازمان را جلب میکند. با توجه به حجم انبوه متون غیرساخت یافته، انجام پیشنهادکاوی بر روی متن نظرات از اهمیت بالایی برخوردار خواهد بود. پیشنهادکاوی یک مسئله طبقه بندی دودویی است که جملات را به عنوان پیشنهاد و غیر پیشنهاد برچسب گذاری میکند.در این مقاله مسئله تشخیص پیشنهاد از متن نظرات را بررسی کرده ایم. سیستم ما مبتنی بر بازیابی اطلاعات برای طبقه بندی متن انجام شده است. ابتدا پیش پردازش های لازم را قبل از آموزش مدل طبقه بندی اعمال کرده ایم. سپس با استفاده از الگوریتم های یادگیری ماشین و روش شبکه عصبی طبقه بندی را انجام داده ایم. آزمایش بر روی مجموعه داده ارائه شده در مسابقه SemEval۲۰۱۹-Task۹ انجام شده است. نتایج پیاده سازی نشان میدهد که ارزیابی روش پیشنهادی نسبت به روش های پیشین به نتایج نسبتا بهتری دست یافته است.

کلیدواژه ها:

نویسندگان

زهرا هادی زاده

دانشجوی کارشناسی ارشد رشته کامپیوتر، گرایش هوش مصنوعی و رباتیکز، دانشگاه بوعلی سینا ، همدان

محرم منصوری زاده

دانشیار گروه کامپیوتر ، دانشگاه بوعلی سینا ، همدان