Iranian Communication and Information Technology

fa کشف گزارش‌های نقص محصول از متن نظرات آنلاین کاربران Detection and Extraction of Fault Reports from Online User Reviews فناوری اطلاعات و دانش Information and Knowledge Technology پژوهشي Research <strong>با توسعه وب 2 و شبکههای اجتماعی، مشتریان و کاربران نظرهای خود را دربارهی محصولات مختلف با یکدیگر به اشتراک میگذارند. این نظرها به عنوان یک منبع ارزشمند، جهت تعیین جایگاه کالا و موفقیت در بازاریابی، میتواند مورد استفاده قرار گیرد. استخراج نواقص گزارش شده از میان حجم زیاد نظرهایی که توسط کاربران تولید شده از مشکلات عمده این زمینه تحقیقاتی است. مشتریان و مصرفکنندگان با مقایسه محصولات تولیدکنندگان مختلف نقاط قوت و ضعف محصولات را در قالب نظرهای مثبت و منفی بیان مینمایند. طبقهبندی نظرات بر اساس واژگان حسی مثبت و منفی در متن نظر به اسناد حاوی گزارش نقص و فاقد آن نتیجه درست و دقیقی در پی ندارد. چون گزارش نواقص صرفاً در نظرات منفی صورت نمیگیرد. ممکن است که مشتری نسبت به یک کالا حس مثبتی داشته باشد و با این حال در نظر خود یک نقص را گزارش نماید. بنابراین چالش دیگر این زمینه تحقیقاتی طبقهبندی درست و دقیق نظرات است. برای حل این مشکلات و چالشها، در این مقاله روشی موثر و کارا برای استخراج نظرهای حاوی گزارش نقص محصول از نظرهای آنلاین کاربران ارائه گردیده است. بدین منظور طبقهبند جنگل تصادفی برای تشخیص گزارش نقص و تکنیک بدون ناظر مدلسازی موضوعی تخصیص پنهان دیریکله را برای ارائهی خلاصهای از گزارش نقص بکار گرفته شدند. برای تحلیل و ارزیابی روش پیشنهادی از دادههای وب سایت آمازون استفاده شده است. نتایج نشان داد جنگل تصادفی حتی با تعداد کم دادههای آموزشی عملکرد قابل قبولی برای کشف گزارش نقص دارد. نتایج و خروجیهای استخراج شده از اسناد حاوی گزارش نقص، شامل خلاصهی گزارش نقص جهت سهولت در تصمیمگیری تولید کنندهگان، یافتن الگوهای وجود گزارش نقص در متن به صورت خودکار و کشف جنبههایی از محصول که بیشترین گزارش نقص مربوط به آنها میباشد، نشان دهنده توانایی روش تخصیص پنهان دیریکله است.</strong> With the advent of web 2.0 and social networks users and consumers share their opinions and thoughts about various products and services. It is very important for producers and vendors to capture and analyze these user generated contents and extract information such as pros and cons of their products as compared to products from competitors. Negative opinions and criticizing reviews help vendors to enhance their products or services and, hence improve their market shares. This research aims to extract opinions and reviews containing a report of failure or weakness in a product. A random forest initially classifies and filters opinion texts potentially containing a fault report. Later, an LDA (latent Dirichlet allocation) based topic modeler summarizes the reports by their source and severity. Experiments over a reasonably large set of reviews from Amazon web site reveal that random forests trained with as small set of labeled samples performs well in detecting failure cases. Summary results by LDA conceptually groups different failure types and identifies their sources and, as a byproduct, suggests widely used textual patterns in fault reports. تشخیص گزارش خرابی, نظر کاوی, تحلیل حسی, تحلیل نظر کاربران, متن کاوی : fault report detection, user review analysis, opinion mining, sentiment analysis, text mining 75 88 http://jor.iranaict.ir/browse.php?a_code=A-10-412-1&slc_lang=fa&sid=1 Muharram Mansoorizadeh محرم منصوری زاده mansoorm@basu.ac.ir 10031947532846004561 10031947532846004561 Yes Hamedan, bu-ali sina university دانشگاه بوعلی سینا Mehdi sakhaei nia مهدی سخائی نیا sakhaei@iust.ac.ir 10031947532846004562 10031947532846004562 No Hamedan, bu-ali sina university دانشگاه بوعلی سینا Narges Nematifard نرگس نعمتی فرد nematifardai@gmail.com 10031947532846004563 10031947532846004563 No Hamedan, bu-ali sina university دانشگاه بوعلی سینا