رشد فزايندهي استفاده از رسانههاي اجتماعي و ارتباطات برخط بهمنظور بيان نظرات، تبادل عقايد و همچنين گسترش استفادهي کاربران فارسي زبان از اين ابزارها باعث افزايش متون فارسي در وب شده است. اين رشد چشمگير در کنار سوءاستفادههاي ناشي از ناشناس بودن نويسندهي نوشتهها نياز چکیده کامل
رشد فزايندهي استفاده از رسانههاي اجتماعي و ارتباطات برخط بهمنظور بيان نظرات، تبادل عقايد و همچنين گسترش استفادهي کاربران فارسي زبان از اين ابزارها باعث افزايش متون فارسي در وب شده است. اين رشد چشمگير در کنار سوءاستفادههاي ناشي از ناشناس بودن نويسندهي نوشتهها نياز به سامانهي خودکار شناسايي نويسنده در اين زبان را بيش از پيش آشکار ميسازد. هدف از اين پژوهش، بررسي ويژگيهاي مؤثر در شناسايي نويسندگان نظرات فارسي توليد شده توسط خريداران گوشي و همچنین ارزیابی روشهای نظارتی و غیرنظارتی میباشد. عواملي که در اين پژوهش بررسي ميشود شامل ويژگيهاي لغوي، نگارشی، معنايي، ساختاري، دستوري، مختص متن و مختص شبکههاي اجتماعي است. پس از استخراج ويژگيهاي مذکور، انتخاب ويژگيهاي برتر توسط چهار الگوريتم همبستگي ويژگي، نسبت بهره، OneR و تحليل اجزاي اصلي آزمايش ميشود. در ادامه از الگوريتمهاي K-means، EM و خوشهبندي مبتني بر چگالي براي خوشهبندي و الگوريتمهاي شبکهي بيز، جنگل تصادفي و Bagging براي دستهبندي استفاده خواهد شد. ارزيابي الگوريتمهاي فوق بر روي نظرات فارسي مربوط به خريداران گوشيهاي سامسونگ نشان ميدهد که بهترين تشخيص در بين الگوريتمهاي خوشهبندي با دقت 16/59% مربوط به الگوريتم EM روي 15 ويژگي برتر انتخابي توسطOneR است درحاليکه الگوريتم جنگل تصادفي بههمراه نسبت بهره برای 90 ویژگی با دقت 57/79% بهترين کارايي را در بين الگوريتمهاي دستهبندي دارد. همچنين مقايسهی ويژگيها نشان داد که ويژگيهاي نگارشی بيشترين تأثير را در شناسايي نويسندهي متون کوتاه داشته و پس از آن بهترتيب ويژگيهاي لغوي ، مختص متن، مختص شبکههای اجتماعی، ساختاري، دستوري و معنایی قرار گرفتند.
پرونده مقاله
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحهآرایی و انتشار الکترونیکی نشریات علمی را به انجام میرساند