به کارگیری یادگیری عمیق برای بهبود نتایج تحلیل احساسات نظرات فارسی فروشگاه های خرده فروشی آنلاین

صنعت بازار خرده فروشی از جمله صنایع اثرگذار بر اقتصاد کشورها است که حیات آن وابسته به میزان رضایت و اعتماد مشتریان برای خرید از این بازارها می باشد. در چنین شرایطی صنعت بازار خرده فروشی در تلاش است تا بر اساس صفحات وب و پلتفرم های آنلاین شرایطی را برای ثبت نظرات و تعامل مشتریان با خرده فروشان فراهم آورد. زیرا تحلیل نظرات منتشر شده نه تنها در تعیین میزان رضایت مشتریان بلکه در بهبود و ارتقا محصولات نقش دارند. از این رو در سال های اخیر تکنیک های تحلیل احساسات به منظور تحلیل و خلاصه سازی نظرات، مورد توجه پژوهشگران در حوزه های مختلف به ویژه صنعت بازار خرده فروشی قرار گرفته است. ازاینرو در این پژوهش با هدف بهبود در نتایج استخراج ویژگی ها از متن نظرات فارسی و افزایش دقت تحلیل احساسات فارسی، یک چارچوب جدید برای تحلیل احساسات در سطح جمله، بر اساس BERT، مدل استخراج ویژگی CNN-BiLSTM و مدل طبقه بندی XGBoost پیشنهاد شده است. در نهایت نتایج پژوهش دقت ۹۳.۷۴% را برای طبقه بندی احساسات متن نظرات فارسی؛ بر اساس چارچوب پیشنهادی نشان می دهد که بر اساس آن می توان اذعان داشت، CNN-BiLSTM از جمله روش های قدرتمند در استخراج ویژگی ها از متن فارسی است که ضمن استخراج دقیق ویژگی ها، باعث افزایش دقت تحلیل احساسات فارسی نیز می گردد.

کلیدواژه ها:

تحلیل احساسات ، زبان فارسی ، CNN-BiLSTM ، BERT ، بازارخرده فروشی