ارائه روشی برای تحلیل احساسات مشتری در رسانه های اجتماعی جهت استفاده در سامانه های تبلیغات

امروزه شبکه‏ های اجتماعی توجه ویژه‏ای را به خود جلب نموده‏ اند. در شبکه‏ های اجتماعی گوناگون، کاربران دایما در حال ابراز نظرات عمومی و همچنین خصوصی خود درباره‏ ی موضوعات مختلف هستند. توییتر یکی از این شبکه‏ های اجتماعی است که در دهه اخیر محبوبیت بسیاری یافته است. تحلیل احساسات یا عقیده کاوی فرآیندی است که در آن نظرات، احساسات و نگرش افراد در ارتباط با موضوعی خاص استخراج می‏شود. . تحلیل بر روی موارد بیان شده تفاوت عمده‏ای با داده‏ های توییتر دارد، به این سبب که توییت‏های توییتر محدودیت 280 کاراکتری دارند و کاربران را وادار به بیان احساسات خود به صورت فشرده و کوتاه می‏نمایند. بهترین نتایج به‏ دست آمده در طبقه‏ بندی احساسات از تکنیک‏های یادگیری‏ ماشین مثل بیز ساده و ماشین بردار پشتیبان حاصل شده است. در این پژوهش به ارایه روشی برای تحلیل احساسات در شبکه ‏های اجتماعی پرداخته می‏شود. در این راستا سعی شده با تمرکز بر مراحل پیش‏ پردازش داده ‏ها و انتخاب ویژگی، طبقه ‏بندی متن توسط روش بیز را تا حدودی بهبود بخشیم. . به عبارتی ، با تعریف این مسیله به صورت یک مسیله کلاس بندی باینری بر اساس خصیصه های پیشنهادی به تحلیل احساسات کاربران پرداخته می شود. مسیله کلاس بندی با استفاده از جدیدترین دستاوردهای حوزه یادگیری ماشین فرموله و حل شده است. . برای ارزیابی روش پیشنهادی در این رساله از سناریو مجموعه دادگان توییتر می باشد. .روش پیشنهادی با سایر روش های طبقه بندی مقایسه می شود. بهترین عملکرد را از خود نشان داده است.