سامانه همایش ها

English

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

بهبود طبقه بندی احساسات نظرات مشتریان آمازون با جنگل تصادفی

نویسندگان :

فائزه مختارآبادی¹ وحید خطیبی بردسیری²

1- دانشگاه آزاد اسلامی واحد کرمان 2- دانشگاه آزاد اسلامی واحد کرمان

کلمات کلیدی :

تحلیل احساسات،تجارت الکترونیک،جنگل تصادفی،درخت تصمیم،نظرات مشتریان آمازون

چکیده :

با توجه به حجم فزاینده نظرات مشتریان در پلتفرم‌های تجارت الکترونیک، تحلیل کارآمد این بازخوردها برای بهبود رضایت مشتری و تصمیم‌گیری‌های کسب‌وکار ضروری است. این مقاله به بررسی و مقایسه عملکرد الگوریتم جنگل تصادفی و درخت تصمیم برای تحلیل احساسات نظرات مشتریان آمازون می‌پردازد. هدف اصلی، افزایش دقت طبقه‌بندی و بهبود سرعت پردازش نظرات است. داده‌های متنی شامل متن نظر، امتیاز و برچسب احساس (مثبت یا منفی) جمع‌آوری شده و پس از پیش‌پردازش (حذف نویز، توقف‌واژه‌ها و ریشه‌یابی کلمات) به بردارهای عددی تبدیل شدند. ویژگی‌های کلیدی مانند فراوانی واژه‌ها، طول جملات و توزیع امتیازات استخراج و به عنوان ورودی مدل‌ها استفاده گردید. مدل‌های یادگیری ماشین بر اساس این ویژگی‌ها آموزش داده شدند و با معیارهای دقت، دقت مثبت، یادآوری و مقدار F1 ارزیابی شدند. نتایج نشان می‌دهد که الگوریتم جنگل تصادفی در تمامی معیارها و با حجم‌های مختلف داده، عملکرد بهتری نسبت به درخت تصمیم دارد. به طور میانگین، دقت جنگل تصادفی ۹۲٪ و دقت درخت تصمیم ۸۷٪ به دست آمد. همچنین دقت مثبت، یادآوری و مقدار F1 جنگل تصادفی به ترتیب ۹۱٪، ۹۳٪ و ۹۲٪ بوده که در مقایسه با مقادیر متناظر درخت تصمیم (۸۵٪، ۸۸٪ و ۸۶٪) برتری قابل توجهی را نشان می‌دهد. این نتایج بیانگر توانایی بالاتر جنگل تصادفی در یادگیری الگوهای پیچیده، کاهش اثر نویز داده‌ها و ایجاد تعادل بهتر میان شناسایی صحیح و پوشش کامل نمونه‌های مثبت است. این مطالعه بر اهمیت انتخاب مدل مناسب برای تحلیل احساسات در حجم بالای داده‌های متنی تأکید می‌کند و راهکارهایی برای بهبود خدمات مشتری و استراتژی‌های بازاریابی ارائه می‌دهد.