بهبود فرآیند عقیده کاوی به کمک تلفیق روش‌های گرگ خاکستری و ماشین بردار پشتیبان

نویسندگان

1 گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران.

doi
10.22052/scj.2025.248730.1122
چکیده

ظهور وب و رشد مستمر آن، حجم عظیمی از اطلاعات تولید شده توسط کاربران را ایجاد کرده است. در این اطلاعات، به راحتی می‌توان اطلاعات ذهنی ارزشمندی را پیدا کرد، به ویژه در شبکه‌های اجتماعی و بسترهای تجارت االکترونیک که حاوی اطلاعات مهمی در مورد کاربران هستند. حوزه عقیده کاوی در سال‌های گذشته به شدت مورد توجه قرار گرفته است. هر روز مقالات تحقیقاتی جدیدی  منتشر می‌شوند که در آنها رویکردهای مختلف هوش مصنوعی برای وظایف و برنامه‌های مختلف مرتبط با عقیده کاوی اعمال می‌شوند. در این مقاله رویکرد جدیدی مبتنی بر ماشین بردار پشتیبان و الگوریتم بهینه‌سازی گرگ‌های خاکستری برای بهبود فرآیند عقیده کاوی پیشنهاد شده است، به گونه‌ای که الگوریتم گرگ‌های خاکستری برای تعیین ویژگی‌های موثر در فرآیند عقیده کاوی به کار رفته است و عملکرد ماشین بردار پشتیبان را بهبود می‌دهد. نتایج پیاده‌سازی این تحقیق نشان داد که سیستم پیشنهادی توانسته با انتخاب ویژگی‌های موثر به افزایش دقت و پوشاندن خطای رویکرد ماشین بردار پشتیبان کمک کند. سیستم پیشنهادی با استفاده از سه معیار صحت، فراخوانی و دقت مورد ارزیابی قرار گرفت، که صحت برای کلاس اول و دوم به ترتیب برابر با 0.68 و 0.92 درصد، فراخوانی برای کلاس اول و دوم به ترتیب برابر با 0.94 و 0.63 درصد و دقت 0.77 درصد بوده است. نتایج حاکی از آن است سیستم پیشنهادی این تحقیق توانسته در هر دو کلاس به نتایج مطلوبی دست پیدا کند.