ارائه رویکرد ترکیبی نوین جهت متن کاوی تحلیل احساسات در توییتر با استفاده از درخت تصمیم CART

با گسترش شگرف اینترنت و شبکه‏های اجتماعی به عنوان اجتماعات مجازی و استفاده روزافزون از آن‏ها، حجم انبوهی از نظرات کاربران در ارتباط با موضوعات مختلف پدید می‏آید. در نتیجه به کارگیری تکنیک‏های علمی نوین جهت تحلیل این شبکه‏ها ضروری به نظر می‏رسد. متن‏کاوی به عنوان یک راهکار ویژه و موثر، به دنبال کشف دانش از متون می‏باشد. در این مقاله، رویکردی نوین از ترکیب همزمان دو روش یادگیری ماشین و مبتنی بر واژگان جهت متن کاوی تحلیل احساسات در توییتر ارائه گردیده است. جهت بهبود متن‏کاوی تحلیل احساسات، و دسته‏بندی داده‏ها از درخت تصمیم CART به عنوان روش یادگیری ماشین، و برای کاوش دقیق‏تر در نوع احساسات بیان شده در توییت‏ها از لیست الگوریتم SentiStrength به عنوان روش‏ مبتنی بر واژه، استفاده شده است. ویژگی منحصر به فرد CART، تحلیل ساختار داده پیچیده است که با توجه به ورودی مسئله می‏تواند عملیات مربوط به رگرسیون، همچنین دسته‏بندی داده‏ها را انجام دهد. توانمندی الگوریتم SentiStrengthدر تشخیص احساسات، موجب تحلیل دقیق احساسات موجود در توییت‏ها گردیده است. نتایج پیاده‏سازی جهت تشخیص احساسات توییت‏ها، در اغلب شاخص‏ها بهبود دسته‏بندی را نشان می‏دهد.