28640

‫تحل‬‫ي‬‫ل ‬‫برخط‬ ‫نظرات‬ ‫در‬ ‫شبكه‬‌‫هاي ‬‫اجتماع‬ي ‬‫براساس‬ ‫رتبه‌‬‫بند‬‫ي‬‫ زماني جنبه‬ ‫ها‬

كارشناسي ارشد

مهندسي نرم افزار

1398

1401/9/1

دكتر عين الله خنجري ميانه

مهندسي كامپيوتر

در يك شبكه‌ اجتماعي كاربران همواره در حال انتشار نظرات هستند. اين نظرات مي‌تواند حاوي موجوديت‌هاي مختلفي باشد كه هر يك از اين موجوديت‌ها نيز مي‌تواند جنبه‌هاي زيادي داشته باشد. در نظرات منتشر شده، ميزان توجه كاربران به جنبه‌هاي مختلف از يك موجوديت، متفاوت است. رويكرد رتبه‌بندي جنبه‌ها، فرآيندي ست كه جهت شناسايي و اولويت‌بندي جنبه‌هاي مهم بسيار كاربرد دارد. ميزان توجه كاربران به جنبه‌هاي مختلف، هميشه ثابت نيست و در طول زمان ممكن است بارها تغيير كند. از اين رو، ما در اين پژوهش روش رتبه‌بندي Sentifollow2 را پيشنهاد مي‌كنيم. اين رتبه‌بندي در لحظه‌ي انتشار نظرات، انجام شده و مي‌تواند با دقت خوبي جنبه‌هايي كه در آينده بيشتر لايك و بازنشر مي‌شوند را شناسايي كند. در اين پژوهش، براي دسته‌بندي جنبه‌ها يك رويكرد نيمهنظارتي پيشنهاد مي‌كنيم كه براي دسته‌بندي سريع داده‌هاي حجيم مناسب است. اين رويكرد نسبت به‌روزترين رويكردهاي بدون‌نظارت عملكرد بسيار بهتري دارد و با برخي رويكرد‌هاي نظارتي نيز قابل رقابت است. همچنين، جهت رتبه‌بندي جنبه‌ها روش Sentifollow2 ارائه شده است كه در مقايسه با رويكردهاي پايه‌اي عملكرد بهتري را از خود نشان مي‌دهد. از طرفي، پيچيدگي زماني تمام مراحل به صورت خطي ست. تمامي مراحل به گونه‌اي طراحي شده‌اند كه بتوان ميليون‌ها نظر را در كسري از ثانيه پردازش كرد. تحقيقات در حوزه رتبه‌بندي جنبه‌ها در شبكه‌هاي اجتماعي بسيار محدود است. بنابراين، ما خود داده‌هاي مورد‌نيازمان را تهيه كرديم. جهت انجام آزمايشات در دسته‌بندي جنبه‌ها، يك مجموعه‌داده كوچك از جنبه‌هاي سهام به طور دستي برچسب‌گذاري شده است. همچنين، جهت انجام آزمايشات در رتبه‌بندي جنبه‌ها، داده‌هاي موردنياز را به كمك خزنده از سايت سهام‌ياب استخراج كرده‌ايم.

1402/05/29

Online Opinion Analysis in Social Networks using Time-Based Aspect Ranking

11/22/2023 12:00:00 AM

In a social network, users are constantly expressing their opinions. These opinions can contain various entities, each of which can have multiple aspects. In the published opinions, users' attention to different aspects of an entity varies. The approach of aspect ranking is a process that is highly useful for identifying and prioritizing important aspects. The level of attention users give to different aspects is not always constant and can change multiple times over time. Therefore, in this study, we propose the Sentifollow2 ranking method. This ranking is done at the moment the comments are published and can identify with good accuracy the aspects that will be liked and reposted more in the future. We propose a semi-supervised approach for aspect categorization, which is suitable for quickly categorizing large volumes of data. This approach outperforms the most up-to-date unsupervised approaches and is competitive with some supervised approaches. Additionally, we suggest a ranking approach that demonstrates better performance compared to baseline approaches. In this study, the temporal complexity of all stages is linear. The approaches are designed to process millions of opinions in a fraction of a second. Research in the field of aspect ranking in social networks is limited, and a suitable dataset that includes both aspects and user information in social networks is often not freely available. Therefore, we have collected the required data ourselves. For conducting experiments in aspect categorization, we manually labeled a small dataset of stock aspects. Additionally, for conducting experiments in aspect ranking, we extracted the necessary data using a crawler from the "Sahamyab" website.

‫دسته‬‌‌‫بندي‬‫ جنبه‬‌‫ها , ‫رتبه‬‌بندي‬‫ جنبه‬‌ها‬ , ‫شبكه‬ ‫اجتماعي‬ , ‫تحليل‬ ‫نظرات‬

Aspects Ranking , Aspects Classification , Social Network , Opinions Analysis

Mohammad Salehi

Dr. Eynollah Khanjari