چکیده

افزایش روزافزون نظرات کاربران در مورد محصول یا رخداد خاص در فضای مجازی، منجر به بروز زمینه تحقیقاتی عقیده کاوی شده است که کاربردهای زیادی در اقتصاد، سیاست، پزشکی و غیره دارد. هدف عقیده کاوی، تحلیل خودکار نظرات کاربران است و از کاربردهای مهم آن، تحلیل خودکار نظرات کاربران در مورد کارایی و اثرات جانبی داروها است. عقیده کاوی با استفاده از روش های یادگیری ماشین بسیار مورد توجه قرار گرفته است و تمرکز اکثر پژوهش ها روی یادگیری ماشین نظارتی است. از روش های رو به رشد در یادگیری ماشین، روش یادگیری چندنمونه ای (MIL) است که نیاز به داده های برچسب دار کمتری در مقایسه با روش های باناظر دارد. درMIL، داده ها در کیسه هایی گروه بندی شده و در فرایند آموزش از برچسب کیسه به جای برچسب هر نمونه برای یادگیری استفاده می شود. هدف این پژوهش بررسی نتیجه ی اعمال روش های یادگیری چندنمونه ای روی نظرات مرتبط با داروها است. در این مقاله ابتدا، بردار فرکانس کلمات-معکوس فرکانس سند از نظرات استخراج شده و سپس، روش توسعه یافته ی ماشین بردار پشتیبان استاندارد برای یادگیری چندنمونه ای جهت پیش بینی مثبت یا منفی بودن نظرات مرتبط با دارو اعمال می شود. ارزیابی های انجام شده روی مجموعه استاندارد Drug، بر اساس معیارهایF1 و دقت، کارایی روش پیشنهادی را در مقایسه با روش استاندارد ماشین بردار پشتیبان تایید می کند.

کليدواژه ها

عقیده‌کاوی، نظرات مرتبط با دارو، یادگیری چندنمونه ای، ماشین بردار پشتیبان، سیستم های دارویی

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
زهره کریمی , 1400 , عقیده‌کاوی نظرات مرتبط با دارو با استفاده از یادگیری چندنمونه ای مبتنی بر ماشین های بردار پشتیبان , نخستین همایش بین المللی و سومین همایش ملی ریاضیات زیستی