تحلیل احساسات و موضوع‌کاوی توییت‌های شرکت‌های هواپیمایی ایران (مبتنی بر یادگیری ماشین و مدل‌های زبانی)

نویسندگان

1 گروه مدیریت ، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران

2 دانشیار، گروه مدیریت ، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران

3 دانشجوی دکتری، مدیریت فناوری اطلاعات، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران

doi
10.22054/tms.2025.87482.3099
چکیده

با گسترش اینترنت و ظهور رسانه‌های اجتماعی، شرکت‌های هواپیمایی از این بسترها برای تعامل با مشتریان بهره می‌برند. توییتر، به‌عنوان یکی از پرکاربرترین پلتفرم‌های میکروبلاگ، نقشی مهم در ارتباط میان این شرکت‌ها و مسافران دارد. این پژوهش با هدف تحلیل احساسات و موضوعات پیرامون شرکت‌های هواپیمایی ایرانی در توییتر، بر اساس ۲۸۷۶ توییت انگلیسی (آوریل ۲۰۰۸ تا مارس ۲۰۲۴) گردآوری‌شده با Playwright انجام شد. پس از پیش‌پردازش و تفسیر ۲۳۰ ایموجی با هوش مصنوعی، برچسب‌گذاری احساسی با دو رویکرد واژگانی و یادگیری ماشینی (مدل RoBERTa) صورت گرفت. در میان پنج الگوریتم، رگرسیون لجستیک با روش واژگانی و امتیاز F برابر 0.81 بهترین عملکرد را داشت. افزودن اطلاعات ایموجی‌ها دقت مدل‌ها را به‌طور معناداری بهبود بخشید. تحلیل موضوعی با LDA نشان داد «امنیت» اصلی‌ترین دغدغه کاربران است. این نتایج می‌تواند به بهینه‌سازی راهبردهای ارتباطی و خدماتی شرکت‌های هواپیمایی ایرانی کمک کند.