عقیده کاوی در اخبار فارسی با استفاده از روش های پردازش زبان طبیعی

در دنیای امروز با افزایش چشمگیر حجم اخبار و اطلاعات تمایل زیادی به استخراج عقاید و احساسات از متن های مختلف به وجود آمده است. عقیده کاوی که با عنوان تحلیل احساس یا کشف ذهنیت نیز شناخته می شود، نگرش نویسنده یا خواننده را در مورد یک موضوع خاص از متن های موجود استخراج می کند. اخبار معمولا با قصد تحریک احساسات و جلب توجه خوانندگان نوشته می شوند، بنابراین انتظار می رود که بتوانند مستقیما عقاید و احساسات را درباره یک موضوع مشخص بیان کنند. با توجه به حجم عظیم اخبار موجود در سایت های خبری، استخراج نگرش مراجعه کنندگان به این سایت ها نیازمند ارائه رویکردی است که بتواند عقاید و احساسات را به صورت خودکار از اخبار موجود در آن ها استخراج کند. در این مقاله، با تمرکز بر موضوع هدفمندی یارانه ها، رویکردی برای تحلیل خودکار احساسات در اخبار موجود در سایت های خبری فارسی پیشنهاد می شود. در رویکرد پیشنهادی، برای تعیین قطبیت یک خبر (تعیین احساس مثبت یا منفی ناشی از مطالعه آن خبر) از روش های پردازش زبان طبیعی استفاده می شود. در رویکرد پیشنهادی برای مشارکت دادن اطلاعات زبان شناختی حاوی احساسات یک شبکه واژگان احساسات زبان فارسی ایجاد شد. رویکرد پیشنهادی با استفاده از مجموعه اخبار مربوط به طرح هدفمندی یارانه ها جمع آوری شده از سایت های خبری فارسی مورد ارزیابی قرار گرفته و با یک رویکرد مبتنی بر روش های یادگیری ماشین مقایسه می شود.