ساخت نیمه خودکار یک پیکره از نظرات غیرمستقیم در دامنه دارو و بکارگیری آن برای تعیین قطبیت نظرات

مسئله نظرکاوی در سال های اخیر بسیار مورد توجه بوده است. تمرکز روش های موجود نظرکاوی بر نظرات مستقیم بوده است و اغلب آنها از نظرات غیرمستقیم صرفنظر کرده اند. درحالی که در برخی دامنه ها از جمله پزشکی نظرات غیرمستقیم به کرات رخ می دهند و نادیده گرفتن آنها باعث کاهش دقت سیستم نظرکاوی می شود. در این مقاله روشی نیمه خودکار برای ساخت پیکره ای از نظرات غیرمستقیم به زبان انگلیسی در دامنه دارو ارائه می شود. در مرحله اول روش پیشنهادی، جملاتی که بیانگر یک نظر غیرمستقیم هستند شناسایی می شوند و در مرحله دوم قطبیت آن ها با کمک دانش دامنه، الگوهای زبانی و ساختار نظرات تعیین می شود. سپس از این پیکره در روش های یادگیری ماشین جهت تعیین قطبیت نظرات مطرح شده درباره داروها استفاده می گردد. نتایج آزمایشات نشان می دهد که روش پیشنهادی در تعیین قطبیت مجموعه تست به دقت 82.81 درصد می رسد و بر یک روش برجسته تحلیل نظرات مستقیم به نام الگوهای سنتیک غلبه می کند.