چکیده مقاله
با گسترش روز افزون شبکه های اجتماعی و تولید انبوه نظرات کاربران تحلیل احساسات در این منابع به ابزاری کلیدی و استراتژیک برای درک نگرش مشتریان به برندها تبدیل شده است این مقاله مروری ضمن بررسی جامع روش های مختلف تحلیل نگرش مشتری در شبکه های اجتماعی به تحلیل و مقایسه مدل های کلاسیک و معماری های پیشرفته نظیر BERT در زمینه نگرش به برند می پردازد ابتدا، مبانی نظری داده کاوی متن و یادگیری ماشین در تحلیل احساسات معرفی شده و کاربردهای بنیادین آن در شناخت و مدیریت تصویر برند تشریح می گردد در ادامه، الگوریتم های کلیدی در این حوزه از مدل های کلاسیک مانند VM Nave Bayes و جنگل تصادفی گرفته تا معماری های پیشرفته یادگیری عمیق نظیر LSTM و به ویژه مدل های مبتنی بر ترنسفورمر مانند BERT به صورت تطبیقی مقایسه شده و تاثیر شگرف معماری های جدید بر افزایش دقت تحلیل مورد بحث قرار می گیرد نموداری از دقت الگوریتم ها نشان می دهد که مدل های یادگیری عمیق، به ویژه BERT و مشتقات آن به دلیل درک عمیق از زمینه، متن عملکرد برتری از خود نشان می دهد همچنین چالش های پیچیده ی تحلیل احساسات در بستر شبکه های اجتماعی از جمله غلبه بر زبان محاوره ای، کنایه ها و تغییرات سریع واژگان به تفصیل بررسی شده و روندهای آینده شامل تحلیل های چندرسانه ای، چندزبانه و آنی مورد بحث قرار گرفته اند نتایج این مرور ادبیات به وضوح نشان می دهد که بهره گیری از رویکردهای ترکیبی و هوشمند که داده کاوی را با مدل های یادگیری عمیق ادغام می کنند قادر است دقت و عمق تحلیل نگرش برند را به شکل قابل توجهی بهبود بخشیده و به کسب وکارها در تصمیم گیری های داده محور یاری رساند
کلیدواژه‌ها
نویسندگان
مبینا ابراهیمی صدرآبادی
گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی، یزد، ایران
یلدا امین پور
گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی، یزد، ایران
محمد امینی
گروه کامپیوتر واحد یزد دانشگاه آزاد اسلامی، یزد، ایران
شیوه ارجاع
�براهیمی صدرآبادی، مبینا و امین پور، یلدا و امینی، محمد،1404،تحلیل نگرش مشتریان نسبت به برند از طریق داده کاوی شبکه های اجتماعی توییتر اینستاگرام و سایر پلتفرم ها،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد
ارائه‌شده در
مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد