تحليل احساسات در داده هاي شبكه هاي اجتماعي از طريق روش هاي داده كاوي

كارشناسي ارشد

شبكه‌هاي اجتماعي محيطي هستند كه كاربران احساس و عقايد روزمره خود را در آنها به اشتراك مي‌گذارند. متن همچنان به عنوان يكي از پركاربردترين روش‌ها براي ارتباط در شبكه‌هاي اجتماعي به حساب مي‌آيد و از آن براي بيان احساسات و عقايد استفاده مي‌شود. تحليل احساسات روشي براي تشخيص و شناسايي احساسات عقايد و نظرات از متن داده‌هاي نوشته شده در شبكه‌هاي اجتماعي مي‌باشد. داده‌كاوي به عنوان يكي از روش‌هاي كاربردي براي استخراج و تحليل اين داده‌ها به حساب مي‌آيد. در اين پروژه ما از چهار روش دسته‌بندي در داده‌كاوي كه بيشترين كاربرد را در اين زمينه دارند، استفاده كرديم. اين چهار روش دوبار روي مجموعه داده استخراج شده از شبكه‌هاي اجتماعي اعمال شد؛ ابتدا روي داده‌ها با دو ويژگي مثبت و منفي و سپس روي داده‌ها با سه ويژگي مثبت، منفي و خنثي. افزون بر اين روش‌ها، ما از دو روش تجميعي نيز براي مدل‌سازي و طبقه‌بندي بهره برديم. همچنين مجموعه داده را به دو دسته آموزشي و آزمايشي با نسبت هاي مختلف تقسيم كرديم. نتايج بدست آمده نشان مي‌دهد با روش استفاده شده در اين پروژه، طبقه‌بند ماشين بردار پشتيبان (SVM) در ميان طبقه‌بندهاي ديگر نتايج بهتري را ارائه مي‌دهد. روش SVM در دسته‌بندي دوتايي 3/53 % و در دسته‌بندي سه‌تايي 7/41 % دقت بيشتري نسبت به روش‌هاي ديگر ارائه داده است. همچنين روش ارائه شده در اين پايان‌نامه نسبت به منابع ديگر در معيار دقت، 3/52 % در دسته‌بندي دوتايي و 5/91 % در دسته‌بندي سه‌تايي بهبود داشته است؛ اين بهبود در شرايطي است كه در اين پروژه تقسيم داده‌هاي آموزشي و داده‌هاي آزماشي از طريق روش K-Fold Cross Validation انجام شده است. همچنين نتايج نشان مي‌دهد استفاده از 50 % داده‌ها به عنوان داده آموزشي، نتايج تقريبا يكساني با نسبت 70 % دارد؛ در حاليكه استفاده از روش K-Fold Cross Validation با K=10 مي‌تواند نتايج بهتري را ارائه دهد.

210631

دانشگاه علم و صنعت ايران

مهندسي برق

دكتر هادي شهريار شاه حسيني