رتبه‏ بندی ویژگی‏ ها در تشخیص نظرات اسپم فارسی

یکی از عوامل اصلی در تصمیم گیری مشتریان برای خرید یک محصول یا استفاده از خدماتی خاص، استفاده از نظرات برخط است. این گونه از نظرات منابعی ارزشمند از اطلاعات هستند که برای تشخیص افکار عمومی در مورد محصول یا خدمات استفاده می‏شوند. اگرچه نظرات برخط می توانند مفید باشند اما اعتماد کورکورانه به آن‏ها، هم برای فروشنده و هم برای خریدار خطرناک است زیرا ممکن است برای به دست آوردن سود، دستکاری شده باشند که اصطلاحا به این گونه نظرات « نظرات اسپم» گفته می شود. پژوهش حاضر روی نظرات فارسی ثبت شده در مورد تلفن همراه در وب سایت دیجی کالا انجام شده و از میان انواع اسپم، اسپم نوع یک و دو بررسی شده اند که نوع اول نظرات جعلی و نوع دوم نظراتی هستند که تنها در رابطه با مدل کالا نوشته شده‏اند. ویژگی های مورد استفاده در این پژوهش به علت کارا بودن آن‏ها در دسته بندی، شامل ویژگی های مبتنی بر نظر و ویژگی های فراداده است. این ویژگی ها و نیز ترکیب های متفاوت از آن‏ها در تشخیص نظرات اسپم فارسی و تاثیر آن‏ها روی دقت دسته بند بررسی شده است. دسته بندی توسط درخت تصمیم، دسته بند ماشین بردار پشتیبان و دسته بند نایو بیز انجام شده و در نهایت دقت آن‏ها روی ترکیب های مختلف این ویژگی ها با هم مقایسه گردیده است. بالاترین میزان دقت به دست آمده از سه دسته بند توسط درخت تصمیم حاصل می‏شود که برابر با با 778/0 براساس معیار اف است. در رتبه‎دهی به ویژ گی ها باز هم درخت تصمیم با دقت 824/0 و با ترکیب سه ویژگی بازخوردهای مثبت، امتیاز کلی کالا و قطبیت نظر رتبه ی برتر را به خود اختصاص می دهد.