تحلیل احساسات نظرات فارسی کاربران وب سایت کافه بازار بر اساس ادغام متن و ایموجی در سطح تصمیم

پیش بینی رضایت و احساسات کاربران از اهمیت بسیار بالایی برخوردار می باشد. سازمان ها و شرکت ها برای موفقیت در بازارهای رقابتی، باید خدماتی با کیفیت به کاربران ارائه کنند. با این وجود، بسیاری از شرکت های مشتری مدار، در فرآیند تشخیص خواسته های کاربران با مشکل مواجه شده و گاهی اوقات درک اشتباهی از خواسته ها و انتظارات کاربران دارند، زیرا ارائه ی خدمات با کیفیت بالاتر مستلزم شناخت روابط بین خواسته های کاربران و کیفیت خدمات ارائه شده توسط شرکت می باشد. هدف این پژوهش پیش بینی احساسات موجود در نظرات کاربران در سایت کافه بازار است و با توجه به اینکه کاربران در بیان احساسات خود همزمان از متن و ایموجی استفاده می کنند، در این پژوهش از ادغام این دو برای تحلیل احساسات استفاده شده است.در این پژوهش یک مجموعه داده ی فارسی، حاوی نظرات کاربران در سایت کافه بازار کهBazarPer نام گذاری شده است، معرفی می شود. با توجه به اینکه مجموعه داده ی ارائه شده دارای دو نوع داده متن و ایموجی است، بر روی هر نوع از داده ها به صورت جداگانه پیش پردازش را انجام داده، و سپس با استفاده از الگوریتم های یادگیری ماشین مختلف احساس نظرات کاربران پیش بینی شد و برای ایموجی ها نیز از یک دیکشنری برای به دست آوردن احساس هر ایموجی استفاده می شود. در نهایت در مرحله ی ادغام سطح تصمیم (جمع و بیشینه) به صورت وزن دار ترکیب کرده و نتیجه نهایی احساس کاربران به دست آمده است. نتایج مدل تلفیقی پیشنهادی با نتایج به دست آمده از داده های تنها (متن یا ایموجی) مقایسه شده اند و مشخص شده است که مدل پیشنهادی عملکرد بهتری را نسبت به مدل های غیرتلفیقی در تحلیل احساسات داشته است.