Opinion mining for multiple types of emotion-embedded products/services through evolutionary strategy

از زمان ظهور وبلاگ نویسی، میکروبلاگینگ، و سایت های شبکه های اجتماعی، محققان و متخصصین به طور فزاینده ای با مشکل به دست آوردن ارزیابی های مفید از مقالات ایده ای مبتنی بر وب در فرآیند شناخته شده به عنوان معرض نظر یا تحلیل احساسات، روبرو شده اند. در این مطالعه، ما بر بررسی هایی که بر اساس محصولات / خدمات تعبیه شده بسیار هیجان انگیز، مانند فیلم، موسیقی و نمایش، تمرکز داشتهایم. علاوه بر این، سعی کردیم مسئله قطبیت چندگانه را برای یک کلمه بازبینی برای چند نوع محصول / خدمات حل کنیم. اولا، ما از یک انجمن فیلم تایوانی، چکیده ای از چینی تهیه کردیم. در رویکرد پیشنهادی ما، الگوریتم استراتژی تکاملی را برای بهینه سازی جداول وزن مربوط به دو نوع مختلف فیلم به کار بردیم: فیلم های ترسناک و درام. نتایج تجربی نشان می دهد که روش پیشنهاد شده در مقایسه با روش های معمول تنها با یک نوع تعمیم پذیرفته می شود. علاوه بر این، ما یک رویکرد ماشین بردار پشتیبانی چند طبقه جدید برای پیش بینی عقاید در سطح سند استفاده کردیم. ما از هفت اقدام برای توصیف ویژگی های یک سند کلی استفاده کردیم، از جمله گرایش مرکزی، پراکندگی و شکل توزیع ارزش پیش بینی شده جمله، جایی که نوسانات این مقادیر مطابق با موقعیت آنها در سند بود. ما همچنین اثربخشی این روش را برای شناسایی نظرات در سطح سند نشان دادیم.