امروزه مردم نظرات و عقاید خود را درباره کالاها، خدمات و رویدادهای اجتماعی و سیاسی در شبکههای اجتماعی به اشتراک میگذارند. نظرات و نقدهای زیادی درباره فیلمها توسط کاربران در اینترنت منتشر شده است که خواندن تمام آنها جهت تصمیمگیری در مورد تماشای یک فیلم، زمان زیادی از یک شخص میگیرد. تحقیقات پیشین این مسئله را با ارائه روشهای خلاصهسازی حل کردهاند. در این مقاله، مسئله نظر کاوی خودکار نقد فیلمها با رویکرد مقاومسازی ماشین بردار پشتیبان در برابر دادههای نویزی بررسی شده است. مجموعه داده از سایت IMDb جمعآوری شده و شامل 2000 نقد فیلم میباشد. 2500 کلمه که بیشترین فراوانی را در متنها داشته اند، به عنوان ویژگی جهت دستهبندی نقدهای مثبت و منفی انتخاب شده است. وزن هر نمونه با روش نزدیکترین همسایه جهت مقابله با دادههای نویزی محاسبه شده و در فرمول دستهبند ماشین بردار پشتیبان دو قلو لحاظ شده است. نتایج نشان میدهد که روش پیشنهادی نسبت به پژوهشهای پیشین و سایر روشهای یادگیری دقت بهتری در تشخیص مثبت یا منفی بودن نقد فیلمها دارد.
میر، امیرمحمود، و جلالالدین نصیری. 1397. نظرکاوی خودکار نقد فیلمها با رویکرد مقاومسازی ماشینبردار پشتیبان. مقاله ارائه شده در چهارمین همایش ملی زبانشناسی رایانشی، تهران.
