طبقهبندی نظرهای مشتریان با رویکرد متنکاوی و یادگیری عمیق (نمونه موردی: نظرهای کاربران وبسایت دیجیکالا)
نویسندگان
1 دانشجوی کارشناسی ارشد، بخش مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران.
doi
10.22059/jibm.2022.334338.4255چکیده
هدف: امروزه افراد هنگام خرید محصول یا تهیه خدمات، معیارهای متفاوتی را برای تصمیمگیری در نظر میگیرند. یکی از این معیارها، اطلاع از نظر خریداران قبلی محصولات و خدمات است؛ اما حجم زیاد نظرها نیز، چالشی است که پیش روی این افراد قرار دارد. پژوهش حاضر با هدف ایجاد مدلی جهت تحلیل احساسات کاربران و طبقهبندی نظر آنها برای حل این چالش اجرا شده است. روش: پژوهش حاضر روی نظرهای خریداران تلفن همراه از وبسایت دیجیکالا، طی سالهای ۱۳۹۴ تا ۱۳۹۵ انجام شده است. بهمنظور تحلیل احساسات و طبقهبندی نظرها، الگوریتمهای مبتنی بر یادگیری عمیق و شبکههای پیچشی (کانوولوشن) که نوعی از شبکههای عمیق هستند، پیشنهاد شده است. در این پژوهش پس از پیشپردازش دادهها و یکسانسازی آنها با استفاده از مدل از پیش تعلیمدیده فست تکست، کلمهها به بردارهایی از اعداد صحیح تبدیل و بهعنوان ورودی به شبکه عمیق پیشنهادی تحویل داده شدند. یافتهها: جهت تعلیم مدل منتخب این پژوهش، ۹۰ مرتبه الگوریتم آموزشی روی آن اجرا شد. برای صحت عملکرد مدل منتخب از معیارهای ماتریس گیجی، دقت، بازخوانی، معیار F و میزان دقت استفاده شد. نتیجهگیری: در پژوهش حاضر با رویکرد شبکههای عمیق و با استفاده از شبکههای پیچشی و حافظه طولانی کوتاهمدت دوطرفه، پس از ۹۰ دوره آموزش، توانستیم با دقت ۹۳ درصد عقاید خریداران تلفن همراه در وبسایت دیجیکالا را طبقهبندی کنیم.