ارائه ی مدلی برای عقیده کاوی در سطح ویژگی برای نظرات کاربران هتل ها
الموضوعات :
1 - دانشگاه صنعتی خواجه نصیرالدین طوسی
2 - دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، ایران
الکلمات المفتاحية: تجزيه و تحليل احساسات, عقیده کاوی , الگوریتم ژنتیک, تجزیه و تحلیل نظرات در سطح ویژگی, داده کاوی,
ملخص المقالة :
امروزه بررسی نظرات و عقاید کاربران در بستر اینترنت بخش مهمی از فرآیند تصمیم گیری مردم در رابطه با انتخاب یک محصول یا استفاده از خدمات ارایه شده را شامل می شود. با وجود بستر اینترنت و دسترسی ساده به وبلاگ های مربوط به نظرات در زمینه صنعت گردشگری و هتلداری، منابع غنی و عظیمی از عقاید بصورت متن موجود می باشد که افراد میتوانند از روش های متن کاوی برای کشف عقاید دیگران استفاده کنند. با توجه به اهمیت نظر و عقاید کاربران در صنایع و بویژه صنعت گردشگری و هتلداری، مباحث عقیدهکاوی و تحلیل احساسات و کاوش متون نوشته شده توسط کاربران مورد توجه متصدیان امور قرار گرفته است . در این مقاله یک روش ترکیبی و جدید بر اساس یک رویکرد رایج در تحلیل احساسات، استفاده از واژگان برای تولید ویژگی هایی برای طبقه بندی بار احساسی نظرات ارائه شده است. بدین صورت که دو روش ساخت فهرست واژگان یکی با استفاده از روش های آماری و دیگری با استفاده از الگوریتم ژنتیکی ارائه شده است. واژگان فوق الذکر با فرهنگ واژگان احساس عمومی و استاندارد لیو بینگ آمیخته می شوند تا دقت طبقه بندی افزایش یابد.
[1].Kumar Ravi , Vadlamani Ravi. (2015) A survey on opinion mining and sentiment analysis: Tasks, approaches and applications. Knowledge-Based Systems.
[2].Zhang, Z., Zhang, Z., & Yang, Y. (2016) The power of expert identity: How websiterecognized expert reviews influence travelers' online rating behavior.Tourism Management, 55, 15–24.
[3].García-Pablos, A., Cuadros, M., & Linaza, M. T. (2016). Automatic analysis of textual hotel reviews. Information Technology & Tourism, 16(1), 45–69.
[4].Zhang Dapenga, Tu Jinghuaa, Zhou Lingxua,Yu Zhiyuan. (2020) Higher tourism specialization, better hotel industry efficiency? . International Journal of Hospitality Management
[5].Jorge A. Balazs, Juan D. Vel´asquez (2015)."Opinion Mining and Information Fusion: A Survey", Information Fusion.
[6].Luis Martin-Domingo,Juan Carlos Martín,Glen Mandsberg. (2019) Social media as a resource for sentiment analysis of Airport Service Quality (ASQ). Journal of Air Transport Management.
[7].Cheng, Kewei (2017). Unsupervised Sentiment Analysis with Signed Social Networks.Proceeding of the Thirty-First AAAI Conference on Artificial Intelligence, Febryary, pp3429-3435.
[8].Lui, T. W., Bartosiak, M., Piccoli, G., & Sadhya, V. ( 2018) Online review response strategy and its effects on competitive performance,Tourism Management.
[9].H.Keshavarz et al.(2017) Accurate frequency-based lexicon generation for opinion mining. Journal of Intelligent and Fuzzy System.
[10].Hamidreza Keshavarz, and Mohammad Saniee Abadeh. (2017) ALGA: Adaptive lexicon. Knowledge Based Systems.
[11].M.Mowlaei et al. (2020). Aspect-Based Sentiment Analysis using Adaptive Aspect-Based Lexicons. Pre-prof.
[12].D. H. a. C. K. J.S. Breese. (1998) Empirical analysis of predictive algorithms for collaborative filtering. in Conference on Uncertainty in Artificial Intelligence.
[13].K. M. E. Vozalis. (2003) Analysis of recommender systems’ algorithms. in Computer Mathematics and its Applications.
[14].Kashfia Sailunaz, Reda Alhajj. (2019) Emotion and Sentiment Analysis from Twitter Text. Computational Science.
[15].T.Chinsha et al. (2015) A syntactic approach for aspect based opinion mining. Proceedings of the 2015 IEEE 9th International Conference on Semantic Computing, pp.
[16].Amani K Samha et al. (2014) Aspect-Based Opinion Extraction from Customer, Computation and Language,April.
[17].M.Asghar,A Khan,SR Zahra, S Ahmad,FM Kundi. (2019) Aspect-based opinion mining framework using heuristic
patterns.Cluster Computing.Springer.22,7181-7199 [18].D. Tang, F. Wei, N. Yang, M. Zhou, T. Liu, and B. Qin. (2014). Learning Sentiment-Specific Word Embedding for Twitter
Sentiment Classification. Learning Sentiment-SpecificWord Embedding for Twitter Sentiment Classification.June. [19]. Mohammad.A et al. (2020) Using Lexicon-Based Opinion Mining to Gauge Customer Satisfaction. International Journal of Innovative Technology and Exploring Engineering (IJITEE),February.
[20].Samha.A (2020) Sentiment Analysis of Customers Opinions on Hotel Stays using Voted Classifier. Creative Commons Attribution 4.0 International License,May.
[21].Asch, Vincent Van. (2013). Macro- and micro-averaged evaluation measures.
[22].B. Liu. ( 2012) Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers.
[23].Boo, S., & Busser, J. A. (2018) Meeting planners' online reviews of destination hotels: A twofold content analysis approach. Tourism Management, 66(6), 287–301.
[24].Ali Ahania, Mehrbakhsh Nilashib ,Othman Ibrahimc , Louis Sanzognia ,Scott Weaven. (2019) Market segmentation and travel choice prediction in Spa hotels through TripAdvisor’s online reviews. International Journal of Hospitality Management, july, pp52-77.
[25].D.Tang et al. (2016). Aspect Level Sentiment Classification with Deep. Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing. (pp. 214 224).
[26].Gerald Petz, Michał Karpowicz, Harald Fürschuß, Andreas Auinger, Václav Strˇítesky, Andreas Holzinger. (2015) Reprint of: Computational approaches for mining user’s opinions on the Web 2.0. Information Processing and Management.
[27].Hu, Y. H., Chen, Y. L., & Chou, H. L. (2017). "Opinion mining from online hotel reviews – a text summarization approach. Information Processing & Management.53(2), 436–449.
[28].K. Khan, B. B.Baharudin, A. Khan, and Fazal-e-Malik. (2009). Mining Opinion from Text Documents: A Survey. 3rd IEEE International Conference on Digital Ecosystems and Technologies.
[29].Li, J., Xu, L., Tang, L., Wang, S., & Li, L. (2018) Big data in tourism research: A literature review. Tourism Management.
[30]. Singh. M, T. Nafis, and N. Mani. ( 2016) Sentiment Analysis and Similarity Evaluation for Heterogeneous-Domain Product
Reviews. Computer Applications, vol. 144. [31].Ashraf Elnagar, Yasmin S. Khalifa and Anas Einea,( 2018). Hotel Arabic-Reviews Dataset Construction for Sentiment Analysis Applications,Springer, November,pp35-72.
[32].M.R. Martinez-Torresa , S.L. Tora. (2019) A machine learning approach for the identification of the deceptive reviews in the hospitality sector using unique attributes and sentiment orientation. Tourism Management.
[33].Pang, Bo, and Lillian Lee. (2008) Opinion mining and sentiment analysis. Foundations and Trends® in Information Retrieval. 2.1–2, pp. 1-135.
[34].Tsai, C. Y., Wang, M. T., & Tseng, H. T. (2015). The impact of tour guides' physical attractiveness, sense of humor, and seniority on guide attention and efficiency. Journal of Travel & Tourism Marketing, 33(6), 1–13.
[35].Amani K Samha, Yuefeng Li, Jinglan Zhang.(2019) Text Mining in Hotel Reviews: Impact of Words Restriction in Text Classification. in 1th International Conference on Knowledge Discovery and Information Retrieval.
[36].Zhan, Xing Fang and Justin (2015). Sentiment analysis using product review data. Big Data, pp. 2-5.
[37].Zhiping Houa, Fasheng Cuia, Yongheng Menga, Tonghui Lianb, Caihua Yuc. (2019) Opinion mining from online travel reviews: A comparative analysis of Chinese major OTAs using semantic association analysis. Tourism Management.