تحلیل احساسات نظرات کاربران تریپ‌ادوایزر برای رستوران‌های ایران با رویکرد یادگیری عمیق

نویسندگان

1 استادیار، دانشکده فناوری اطلاعات، موسسه آموزش عالی مهرالبرز، تهران، ایران

2 کارشناسی ارشد، دانشکده علوم اجتماعی و اقتصاد ، دانشگاه الزهرا، تهران، ایران

3 دانشیار، مدیریت، دانشکده علوم اجتماعی و اقتصاد دانشگاه الزهرا (س)، تهران، ایران.

doi
10.22054/ims.2022.63437.2051
چکیده

رشد اینترنت، ‌شبکه‌های اجتماعی و وبسایت‌های تجارت الکترونیک بستری جهت ارائه عقاید و نظرات برای کاربران فراهم می نمایند. در سال های اخیر بسیاری از کاربران احساسات و نظرات خوب یا بد خود را در مورد غذا،‌ خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان می کنند. این نظرات برای تصمیم گیری سایرکاربران و همینطور رستوران ها جهت حفظ کیفیت، توسعه‌ی محصول و برندشان بسیار مهم می باشند. تحلیل احساسات رویکردی جهت پردازش زبان طبیعی است و امکان تحلیل سیستماتیک نظرات کاربران را فراهم می نماید. با توجه به اهمیت این موضوع هدف این مطالعه ارائه‌ی مدل تحلیل احساسات نظرات سایت تریپ‌ادوایزر درباره‌ی رستوران‌های ایرانی می‌باشد. در این تحقیق ما تحلیل احساسات مبتنی بر جنبه بر اساس الگوریتم یادگیری عمیق شبکه‌ی عصبی حافظه‌ی طولانی کوتاه‌مدت استاندارد را برای استخراج احساسات کاربران در مورد رستوران‌ها پیشنهاد نموده‌ایم. برای آموزش مدل، 4000 نظر طبق چهار جنبه در سه حالت عدم اشاره، مثبت و منفی برچسب زده شد و گام‌های مطالعه طبق متدولوژی کریسپ صورت گرفت. میزان دقت برای معیارهای غذا، سرویس، قیمت و اتمسفر به ترتیب 82%، 86%، 87% و 81% به دست آمد. این نتایج نشان از کارایی و عملکرد قابل قبول مدل برای تحلیل احساسات مبتنی بر جنبه‌ی رستوران‌ها است. همچنین جنبه‌ی غذا و اتمسفر به ترتیب مهم‌ترین جنبه‌ها برای مشتریان رستوران‌های ایرانی محسوب می‌شوند. رستوران‌داران و صاحبان کسب‌وکار می‌توانند از مدل توسعهیافته برای کسب مزیت رقابتی و یافتن نقاط قوت و ضعف خود استفاده کنند.