• Home
  • Discover product defect reports from the text of users' online comments

Share To

Article Url


Manuscript ID : 20200419000000 Visit : 12300 Page: 75 - 88

20.1001.1.27170411.1397.10.35.6.2

Article Type: Original Research

Discover product defect reports from the text of users' online comments

Subject Areas : General

narges nematifard 1 , Muharram Mansoorizadeh 2 , mahdi sakhaei nia 3

1 -
2 - Bu-Ali Sina University
3 -

Received: 2020-04-19 Accepted : 2020-10-03 Published : 2020-10-03

Keywords: Malfunction detection, comment mining, sensory analysis, user comment analysis, text mining,

Abstract :

With the development of Web 2 and social networks, customers and users can share their opinions about different products They leave. These ideas can be used as a valuable resource to determine the position of the product and its success in marketing. Extracting the reported shortcomings from the large volume of comments generated by users is one of the major problems in this field of research. By comparing the products of different manufacturers, customers and consumers express the strengths and weaknesses of the products in the form of positive and negative comments. Classification of comments based on positive and negative sensory words in the text does not lead to accurate results without reference to documents containing a defect report. Because defects are not reported solely in negative comments. It is possible for a customer to feel positive about a product and still report a defect in their opinion. Therefore, another challenge of this research field is the correct and accurate classification of opinions. To solve these problems and challenges, this article provides an effective and efficient way to extract comments containing product defect reports from users' online comments. For this purpose, stochastic forest classifiers were used to identify the defect report and the unattended thematic modeling technique used the Dirichlet hidden allocation to provide a summary of the defect report. Data from the Amazon website has been used to analyze and evaluate the proposed method. The results showed that random forest has an acceptable performance for defect reporting even with a small number of educational data. Results and outputs extracted from documents containing the defect report, including a summary of the defect report to facilitate manufacturers' decision making, finding patterns of the defect report in the text automatically, and discovering the aspects of the product that reported the most defects Related to themDemonstrates the ability of Dirichlet's latent allocation method.

References:

1. B. Liu and L. Zhang, "A survey of opinion mining and sentiment analysis," in Mining text data, Springer, 2012, pp. 415-463.
2.S. Moghaddam and M. Ester, "Opinion digger: an unsupervised opinion miner from unstructured product reviews," in Proceedings of the 19th ACM international conference on Information and knowledge management, 2010.
3.B. Liu, M. Hu and J. Cheng, "Opinion observer: analyzing and comparing opinions on the web," in Proceedings of the 14th international conference on World Wide Web, 2005.
4..E. Cambria, B. Schuller, Y. Xia and C. Havasi, "New avenues in opinion mining and sentiment analysis," IEEE Intelligent Systems, vol. 28, pp. 15-21, 2013.
L.-W. Ku, Y.-T. Liang and H.-H. Chen, "Opinion extraction, summarization and tracking in news and blog corpora," in Proceedings of AAAI, 2006. M. Hu and B. Liu, "Mining opinion features in customer reviews," in AAAI, 2004.
W. Jin, H. H. Ho and R. K. Srihari, "OpinionMiner: a novel machine learning system for web opinion mining and extraction," in Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, 2009.
F. Li, C. Han, M. Huang, X. Zhu, Y.-J. Xia, S. Zhang and H. Yu, "Structure-aware review mining and summarization," in Proceedings of the 23rd international conference on computational linguistics, 2010.
S. Moghaddam and M. Ester, "The FLDA model for aspect-based opinion mining: addressing the cold start problem," in Proceedings of the 22nd international conference on World Wide Web, 2013.
11.W. X. Zhao, J. Jiang, H. Yan and X. Li, "Jointly modeling aspects and opinions with a MaxEnt-LDA hybrid," in Proceedings of the 2010 Conference on Empirical Methods in Natural Language Processing, 2010.
12.S. Brody and N. Elhadad, "An unsupervised aspect-sentiment model for online reviews," in Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics, 2010
13.D. M. Blei, A. Y. Ng and M. I. Jordan, "Latent dirichlet allocation," Journal of machine Learning research, vol. 3, pp. 993-1022, 2003.
14.Z. Qiao, X. Zhang, M. Zhou, G. A. Wang and W. Fan, "A Domain Oriented LDA Model for Mining Product Defects from Online Customer Reviews," 2017.
15.C. Brun and C. Hagege, "Suggestion Mining: Detecting Suggestions for Improvement in Users' Comments.," Research in Computing Science, vol. 70, pp. 199-209, 2013.
16.L. Zhang and B. Liu, "Aspect and entity extraction for opinion mining," in Data mining and knowledge discovery for big data, Springer, 2014, pp. 1-40.
17.X. Zhang, Z. Qiao, L. Tang, W. Fan, E. Fox and G. Wang, "Identifying Product Defects from User Complaints: A Probabilistic Defect Model," 2016.
18.A. Liaw, M. Wiener and others, "Classification and regression by randomForest," R news, vol. 2, pp. 18-22, 2002.
Full-Text:


نرگس نعمتی­فرد و .... فصلنامه فناوری اطلاعات و ارتباطات ایران،سال دهم، شماره­های 35و36، بهار و تابستان 1397

 

فصلنامه علمي- پژوهشي   

فناوري اطلاعات و ارتباطات ایران

سال دهم، شماره‌هاي 35 و 36، بهار و تابستان 1397

صص: 75- 88  

E:\E Drive\logo\iicta Logo0.JPG 

کشف گزارش­های نقص محصول از متن نظرات آنلاین کاربران

* نرگس نعمتی فرد    *محرم منصوری­زاده    *مهدی سخایی­نیا    

* گروه مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران

تاریخ دریافت: 10/03/1397                      تاریخ پذیرش:09/01/1398

چکيده 

 با توسعه وب 2 و شبکه­های اجتماعی، مشتریان و کاربران نظرهای خود را درباره­ی محصولات مختلف با یکدیگر به اشتراک 
می­گذارند. این نظرها به عنوان یک منبع ارزشمند، جهت تعیین جایگاه کالا و موفقیت در بازاریابی، می­تواند مورد استفاده قرار گیرد. استخراج نواقص گزارش شده از میان حجم زیاد نظرهایی که توسط کاربران تولید شده از مشکلات عمده این زمینه تحقیقاتی است. مشتریان و مصرف­کنندگان با مقایسه محصولات تولیدکنندگان مختلف نقاط قوت و ضعف محصولات را در قالب نظرهای مثبت و منفی بیان می­نمایند. طبقه­بندی نظرات بر اساس واژگان حسی مثبت و منفی در متن نظر به اسناد حاوی گزارش نقص و فاقد آن نتیجه درست و دقیقی در پی ندارد. چون گزارش نواقص صرفاً در نظرات منفی صورت نمی­گیرد. ممکن است که مشتری نسبت به یک کالا حس مثبتی داشته باشد و با این حال در نظر خود یک نقص را گزارش نماید. بنابراین چالش دیگر این زمینه تحقیقاتی طبقه­بندی درست و دقیق نظرات است. برای حل این مشکلات و چالش­ها، در این مقاله روشی موثر و کارا برای استخراج نظرهای حاوی گزارش نقص محصول از نظرهای آنلاین کاربران ارائه گردیده است. بدین منظور طبقه­بند جنگل تصادفی برای تشخیص گزارش نقص و تکنیک بدون ناظر مدل­سازی موضوعی تخصیص پنهان دیریکله را برای ارائه­ی خلاصه­ای از گزارش نقص بکار گرفته شدند. برای تحلیل و ارزیابی روش­ پیشنهادی از داده­های وب­سایت آمازون استفاده شده است. نتایج نشان داد جنگل تصادفی حتی با تعداد کم داده­های آموزشی عملکرد قابل قبولی برای کشف گزارش نقص دارد. نتایج و خروجی­های استخراج شده از اسناد حاوی گزارش نقص، شامل خلاصه­ی گزارش نقص جهت سهولت در تصمیم­گیری تولیدکنند­گان، یافتن الگوهای وجود گزارش نقص در متن به صورت خودکار و کشف جنبه­هایی از محصول که بیشترین گزارش نقص مربوط به آنها 
می­باشد، نشان­دهنده توانایی روش تخصیص پنهان دیریکله است.

 

واژه­های کلیدی: تشخیص گزارش خرابی، نظر کاوی، تحلیل حسی، تحلیل نظر کاربران، متن کاوی.

نویسنده عهده­دار مکاتبات : محرم منصوری­زاده mansoorm@basu.ac.ir

 

 

1-       مقدمه

گسترش وب2، کاربران اینترنتی را در تعامل با یکدیگر و همچنین در تشکیل شبکه­ها­ی اجتماعی برای تولید اطـلاعات و انتشـار دادگان با حجم زیاد و محـتوای مفید بر 

روی وب توانمند ساخته است. یکی از مهمترین محتوایی که کاربران اینترنتی  تولید می­کنند، اظهار نظر1 پیرامون یک موضوع، شی، رویداد یا حتی شخص است. این نقد و
بررسی­ها2  عامل مهم و اثرگذاری در فرایند تصمیم­گیری کاربران اینترنتی در زمینه­های مختلف است [1].

اخیراً در زمینه­ی استخراج ریز اطلاعات از جمله استخراج جنبه­هایی از محصول که مشتری درباره­ی آنها نظر خود را بیان کرده است و همچنین نرخ امتیاز دهی، کارها و تحقیقات زیادی صورت گرفته است [1]. این اطلاعات در تصمیم­گیری مشتریان هنگام خرید و آگاهی تولیدکننده از حس مشتری نسبت به محصول کمک­کننده هستند. اما در این میان استخراج گزارش نقص و خرابی کالا به رغم اهمیت فراوان آن، کمتر مورد توجه قرار گرفته است.

در بسیاری از بازخورد­های3 مشتریان نسبت به محصول، اطلاعاتی وجود دارد که کشف آنها برای اخذ تصمیمات عملی بسیار مؤثر است. این نوع اطلاعات گزارش­های نقص محصولات هستند که توسط کاربران فضای مجازی بر اساس تجربه­ها استفاده از محصول، نوشته­ می­شوند. مسلماً شرکت­های تولیدکننده در فرآیند تولید، محصول را از جهات مختلف مورد آزمایش قرار می­دهند، اما تجربه­های مشتریان در استفاده از محصول برای تصمیم­گیری و برنامه­ریزی مدیران شرکت­ها از اهمیت بالایی برخوردار است. از طرفی آگاهی از اینگونه اطلاعات می­تواند برای مشتریان نیز مفید باشد و از تکرار وقوع خرابی محصول در هنگام استفاده از آن جلوگیری شود. بنابراین استخراج گزارش­های نقص از متن نظر، یعنی نظر کاوی، هم برای تولیدکننده و هم برای مصرف­کننده از اهمیت فراوانی برخواردار است [2].

76

حجم زیاد نظرات و عدم ساخت­یافتگی آن، تحقیق در زمینه­ی نظرکاوی را همواره با مشکلاتی روبرو می­نماید که رسیدن به دقت بالا در استخراج اطلاعات را دشوار
می­سازد[3]. پژوهش در خصوص استخراج گزارش­های نقص4 نه تنها از این مشکلات مستثنا نیست، بلکه به دلیل نوع اطلاعات استخراجی با مشکلات دیگری نیز مواجه است. اغلب کاربران برای ابراز حس خود از واژگان حسی5 استفاده می­کنند. بنابراین با تشخیص این لغات کلیدی در متن
می­توان نظر کاربر را استخراج کرد. اما برای کشف گزارش خرابی وجود لغات بیان­کننده­ی احساس کافی نیست. گاهی دیده می­شود که مشتری حس مثبتی نسبت به محصول دارد اما بنابر مشکلی که در حین استفاده از محصول مواجه شده است، گزارشی از نقص محصول را نیز مطرح می­کند. همچنین در بسیاری از نقد و بررسی­ها با اینکه مشتری احساسات منفی ابراز کرده است، گزارشی از خرابی و نقص محصول در متن نظر وجود ندارد و فقط سلیقه­ی شخصی خود را مطرح کرده است. بنابراین صرفاً نمی­توان گفت گزارش نقص فقط در نقد و بررسی­ها با قطبیت منفی وجود دارد. به همین دلیل کلاس­بندی نقد و بررسی­ها به اسناد حاوی گزارش نقص و فاقد آن، با چالش­های جدی روبه­رو است.

استخراج گزارش نقص از متن نظرات کاربران یک موضوع جدید است که راه حل­های خیلی زیادی در این زمینه ارائه نشده است. یکی از راه حل­هایی که وجود دارد استفاده از کلماتی که به اصطلاح رنگی6 گفته می­شود، است. کلمات رنگی می­توانند مجموعه­ای از جنبه­های یک محصول باشند که ممکن است دچار خرابی و نقص شده­اند. اما استفاده از این لغات ما را در تشخیص اینکه آیا نظر حاوی گزارش نقص هست یا خیر کمک نمی­کند، بلکه فقط امکان استخراج نقص در نظری که حاوی گزارش نقص است را فراهم
می­نماید. همچنین این روش وابسته به دامنه است که کاربرد عمومی آن را محدود می سازد.

روشی دیگر جهت تشخیص گزارش نقص در متن نظر مشتری استفاده از اید­ه­ای است که در تکنیک نظارت از راه دور وجود دارد. تکنیک نظارت از راه دور روشی برای تولید مجموعه­ی داده­های آموزشی است. این تکنیک از نشانه­های تقریبی7 به عنوان برچسب­های مثبت در متن برای آموزش کلاس­بندی استفاده می­کند. عباراتی که مشتریان معمولاً برای بیان نقص محصول به کار می­برند مانند"not allow, not let, no ability, bug, crash, ..."  می­تواند در تشخیص اسناد حاوی گزارش نقص کمک کننده باشد. اما این نشانه­های تقریبی باعث افزایش پاسخ مثبت کاذب هم می­شوند.

روش پیشنهادی در این مقاله با استفاده از طبقه­بند جنگل تصادفی، گزارش­های نقص را از مجموعه نظرات به صورت خودکار استخراج نموده و خلاصه­سازی می­کند. با توجه به هزینه­ی زیاد و زمانبر بودن برچسب زنی حجم عظیم نظرها، به عنوان بخشی از فرایند پیش پردازش از تعداد کمی
داده­ی آموزشی جهت کلاس­بندی اسناد حاوی گزارش نقص استفاده شده است. سپس خروجی­های مثبت آن را برای خلاصه­سازی و ارائه اطلاعات کاربردی از اسناد حاوی گزارش نقص، به کمک تکنیک بدون ناظر، تخصیص پنهان دیریکله، به کار برده شده است. نکته حائز اهمیت دیگر اینکه روش پیشنهادی در این مقاله مستقل از دامنه
می­باشد.

ساختار مقاله به این شرح است. پس مقدمه در بخش دوم کارهای مرتبط و مشابه بررسی خواهد گردید و سپس در بخش سوم روش پیشنهادی با تاکید بر انگیزه­ها و کاربردهای آن ارائه می­گردد. در بخش چهار نتایج آزمون و ارزیابی روش پیشنهادی را روی مجموعه دادگان وسیع گزارش شده است و با مقاله با بخش نتیجه­گیری به پایان خواهد رسید.

2-       کارهای مرتبط

در طول دهه­ی گذشته، تعداد زیادی از تحقیقات روی نظر­کاوی به صورت عام و همچنین تشخیص و استخراج جنبه متمرکز بوده­اند که اطلاعات مفیدی هم از متن نظر مشتری­ها استخراج کردند [4]. با این حال مطالعات بسیار کمی (تنها یک مورد[5]) برای استخراج گزارش نقص محصول از متن نظر آنلاین مشتری صورت گرفته است.

از سوی دیگر پایگاه داده­­ای به همراه برچسب حاوی گزارش نقص و غیر آن نیز در دسترس نمی­باشد، بنابراین استخراج گزارش نقص یک مسئله­ی جوان است. در ادامه به کارهایی اشاره می­کنیم که اهداف آنها تا حدودی به مساله مورد تمرکز ما نزدیک است. عمدتاً وجه مشترک این کارها با کار ما این است که آنها نیز به استخراج ریز اطلاعات می­پردازند.

 از اولین تحقیقات انجام شده در این زمینه روش­های مبتنی ­بر فرکانس است که به کمک تکنیک­های متفاوت فیلتر کردن، عبارات اسمی را که فرکانس بالاتری داشته باشند به عنوان جنبه استخراج می­کنند [6] [7] مسئله­ی تولید خلاصه از نظرات کاربران براساس جنبه­ی محصول، در [8] مورد مطالعه قرار گرفت. برای این کار به تشخیص تعداد تکرار جنبه­ها می­پردازد و گروه­های اسمی پر تکرار را به عنوان جنبه درنظر می­گیرد. نقطه قوت این روش­ها این است که در عین سادگی بسیار موثر عمل می­کنند. اما نقطه­ی ضعف آنها در تولید تعداد زیادی غیرجنبه است و جنبه­هایی که تعداد کمتری تکرار شده­اند، از دست می­روند. همچنین نیاز به تنظیمات دستی دارد که برای هر پایگاه داده­ای متفاوت خواهد بود.

کارهایی که اخیراً انجام شده از تکنیک­هایی بر پایه­ی
مدل­سازی استفاده شده است. بعضی روش­های با ناظر
مدل­سازی­ آماری مانند (HMM, CRF) هستند [9] [10]  و بعضی تکنیک­های بدون ناظر مدل­سازی موضوعی مانند تخصیص پنهان دیریکله (LDA) می­باشند که جنبه­های محصول و نرخ آنها را استخراج می­کنند و اطلاعات مفیدی در اختیار مشتریان هنگام تصمیم­گیری خرید محصول قرار می­دهند [11] [12] [13]. مدل تخصیص پنهان دیریکله که در [14]. مطرح شد یک ابزار مفید برای خلاصه­سازی متن است. خانم مقدم و همکاران نیز به کشف گزارش نقص محصول از متن نظرات مشتریان آنلاین پرداخته­اند که جهت خلاصه­سازی گزارش­های نقص از LDA با مجموعه
ویژگی­های کیسه واژگانی8، اسم­ها، فعل­ها، عبارات اسمی، عبارات فعلی و دو-گرمی استفاده کرده­اند. خانم مقدم تکنیک نظارت از راه دور را برای ساخت داده­های آموزشی به کار گرفت و برای این­کار الگوهایی به صورت دستی به عنوان نشانه­هایی از وجود گزارش نقص در متن نظرها، استخراج کرد او کار خود را روی بازخوردهای " eBay App Reviews " انجام داده است [14].

یک روش احتمالی برای تشخیص نقص از شکایات مردم در [15] پیشنهاد شده است که هدفش فرموله کردن شکایات است. این کار وابسته به دامنه است و کارش را درباره­ی مدل­های مختلف خودرو ارائه می­دهد و نقص­هایی که در شکایات آمده است را خلاصه و سازمان­دهی می­کند. به منظور استخراج نقص­ها از پایگاه­داده، چهار موجودیت کلیدی تعریف می­کند از جمله مدل موتور و سال، اجزای موتور، علائم و تاریخ تصادف که این چهار موجودیت توسط ماژول­های استخراج موجودیت بدست آورده است. در مدل احتمالی نقص فرض می­کند شکایت ثبت شده در مجموعه­ی شکایات از توزیع نقص­ها، تولید شده است که می­توان روابط بین آنها را توسط روش احتمالی مولد، مدل کرد. سپس کار بعدی را به صورت یک مدل دامنه گرا با تکنیک تخصیص پنهان دیریکله پیشنهاد دادند. برای تعریف یک نقص
حوزه­گرا، مدل تخصیص پنهان دیریکله استاندارد را به تخصیص پنهان دیریکله دوبعدی برای خلاصه کردن نقص­ها از نظرهای مشتریان توسعه دادند. روش پیشنهاد شده بر مشکل خوشه­بندی­های بدون ناظر با استفاده از تعداد زیادی ویژگی مخصوص یک حوزه که در شناسایی نقص شرکت دارند، غلبه می­کند. این مدل به عنوان یک فرایند قابل توسعه ابتدا اجزای محصول سپس توصیفی از نقص را تولید می­کند [16]. هردو روش دامنه­گرا هستند و از طرفی فقط شکایات را درنظر می­گیرند که همگی حاوی گزارش خرابی هستند و خلاصه­ای از گزارش خرابی را به صورت
ساخت­یافته ارائه می­دهند ولی در روشی پیشنهاد ما اسناد با حس­ و عقیده­های متفاوت مورد بررسی قرار می­گیرند. زیرا ممکن است سند با اینکه عقیده­ی مثبتی درباره­ی کالا داشته باشد نقصی را نیز گزارش کند و سندی که حاوی حس منفی نسبت به محصول است گزارشی از خرابی محصول مطرح نکرده باشد. هدف ما این است که اگر سندی حاوی گزارش نقص است بتوان آن را کشف کرد. از سوی دیگر کار ما وابسته به دامنه نیست هرچند کارهای دامنه­گرا نتایج دقیق­تر خواهند داشت.

در [17] یک سیستم پیشنهاددهنده با هدف استخراج پیشنهادهای مشتریان برای بهبود محصول توسط طراحی شده است؛ با این بینش که پیشنهادات با استفاده از
کلمه­های “wishes” یا “regret” در نظرات کاربران ظاهر می­شوند. بنابراین تشخیص پیشنهاد، متکی به الگوهای نحوی- معنایی جهت بدست­آوردن اینگونه عبارات است.

3-       روش پیشنهادی

3-1- انگیزش

از آنجایی که حجم اسناد تولید شده بر بستر وب بسیار عظیم و به صورت پویا درحال رشد است، جنگل تصادفی را جهت تشخیص اسناد حاوی گزارش نقص درنظر گرفتیم. جنگل تصادفی روی داده­های بسیار بزرگ قابل اجرا است و می­تواند هزاران متغیر را بدون حذف آنها مدیریت نماید. از سوی دیگر جنگل تصادفی یک طبقه­بند با ناظر است که نیاز به داده­های برچسب خورده دارد.

جهت خلاصه سازی و ارائه اطلاعات کاربردی از اسناد حاوی گزارش نقص، تخصیص پنهان دیریکله (LDA) را که یک روش مدل­سازی موضوعی است استفاده کردیم. این روش بدون ناظر است و نیازی به داده­های برچسب خورده ندارد. با توجه به اینکه اسناد تحت بررسی گزارش­های نقص هستند؛ انتظار داریم LDA در موضوع­بندی این اسناد نوع نقص گزارش شده در آنها را به عنوان متغیر پنهان در نظر گرفته و اسناد را بر اساس آن دسته­بندی نماید.

3-2- نمادها، مفاهیم و اصطلاحات

مجموعهP={P1, P2, P3,...,PM} شامل محصولاتی که توسط شرکت­ها تولید می­شوند. Rp= {r1, r2, r3,...,rn} نیز برای هر محصول، مجموعه­ی از نقد وبررسی­هایی است که توسط مشتریان در بستر وب قرار گرفته است. در مجموعه­یR  برخی از نقد و بررسی­ها حاوی گزارش نقص محصول هستند که این نظرها را با D(Defect) و سایر بازخوردها را با O(Others) نشان می­دهیم.

سند: منظور از سند در این پژوهش متن کامل یک نظر است. مثلا شکل (2) و همچنین شکل (3) نمونه­هایی از نظرهای موجود در مجموعه تحت بررسی هستند. یک نظر می­تواند کوتاه (در حد یکی دو جمله) یا بلند (در حد ده­ها جمله) باشد. نظرات بلند معمولا حاوی اطلاعات متنوعی مانند تجربه خرید، معرفی محصولات مشابه، بیان نقاط قوت و ضعف محصول و حتی گاهی مطالب بی­ربط به محصول مورد بحث هستند.

گزارش نقص: بازخورد­هایی که به طور واضح به سختی در استفاده­، خطا، اشکال و ناتوانی محصول اشاره دارند به عبارت دیگر مشتری جنبه­هایی از محصول را که درست کار نمی­کنند یا نیاز به ترمیم دارند گزارش می­کند. گزارش نقص معمولا در قالب چند جمله متوالی یک نظر ارائه می شود. مثلا در شکل(1) جملات و عبارات "It's heavy, hard to push, a 1-day battery life, freeze up and crashes all the time"  نقص موجود در کتابخوان الکترونیکی مد نظر را گزارش می­کنند.

I am still waiting for the perfect ebook reader. I bought the Nook for these reasons: 1) It reads industry-standard ePub-format ebooks, 2) it's tightly integrated with the B&N; ebook store, 3) the ebooks are encrypted in a well-documented easily-understood format that is portable across multiple devices so they can be decrypted and read in, say, your iPad's Nook reader software, or even in a Sony Reader (with the very latest firmware), without having to be re-purchased because of DRM nonsense.The problem is that the Nook simply doesn't live up to its promise. The \"paper-white\" display is more an off-beige, and reflects light in a way that makes it hard to read with a reading light (necessary because it has no backlight, as is true for all ePaper devices). It's heavy and the buttons to change pages are hard to push, especially with gloved hands as you might have while reading outdoors on a cool day. The \"5 day battery life\" in reality for me has been a 1-day battery life, read a book, and it needs to be recharged, and be darn sure to turn it off. The thing freezes up and crashes all the time even with the very latest software, and is excruciatingly slow even with the very latest software. The latest software added classifications for the ebooks so you could sort them into pseudo-folders, which is necessary given how excruciatingly slow the Nook is to scroll through its book list (get about 50 books on the list and you're in for major pain), but the clunky way they implemented this makes those of us who've gotten used to modern user interfaces frown and shake our heads.Sad to say, I really can't recommend any current eBook reader. Either they're too clumsy to use (Nook), have no books available for them (Sony), or have a proprietary eBook format that locks you into a single vendor (Kindle). I'm seriously considering buying an iPad, yes, it will only work for 9 hours or so on a battery charge, but that's true of the Nook too in real actual use and the iPad is usable for a lot of other things too. It's just disappointing that I can't get an ePaper-based reader that meets my criteria (non-proprietary ebook format, long battery life, compact, decent user interface), and instead have things either crippled by bad design decisions or crippled by having a proprietary ebook format that locks you into a single vendor. Well, I don't like crippled, so I'll look elsewhere, thank you very much...

 

شکل1- نمونه یک نظر درباره یک کتابخوان الکترونیکی

img0موضوع: منظور از موضوع نظر نوع نقص گزارش شده در آن است. مثلا سختی یافتن یک منو یا کلید خاص در واسط کاربری برنامه یک نوع نقص است و کاهش سریع باتری نقصی از نوع دیگر است. گزارش نقص­هایی که مشابه دارند در یک دسته قرار می گیرند. این دسته بندی کار مطالعه و ارزیابی نظرات کاربران را خیلی آسان می سازد. مثلا اگر تعداد قابل توجهی از نظرات کاربران در ذیل موضوع «کاهش سریع توان باتری» قرار بگیرند، می­توان نتیجه گرفت که مساله محصول مورد بحث جدی است.  

3-3- تشریح روش پیشنهادی

کلاس­بندی اسناد به گزارش نقص و سایر با روش جنگل تصادفی و داده­هایی که به صورت دستی برچسب زده شده، با مجموعه ویژگی کیسه واژگانی انجام گردید. جنگل تصادفی یک روش باناظر است که برای طبقه­بندی دو کلاسی عملکرد خوبی دارد [18]. اما استخراج گزارش نقص از متن نظر کاربران اینترنتی نوعاً مسئله­ای است که
نمی­توان آن را به صورت با ناظر حل کرد، به دلیل اینکه حجم نظرها بسیار زیاد است و برای تکنیک­های با ناظر برچسب زنی این حجم عظیمی از متن­ها زمان­گیر، هزینه بر و مستعد خطاست. به جهت بهره­گیری از مزایای کلاس­بندی با ناظر، در این پژوهش از تعداد داده­های آموزشی کمی جهت کلاس­بندی استفاده شد و در واقع یک
کلاس­بندی ضعیف روی اسناد انجام گردید. بعد از
کلاس­بندی اسناد و مشخص شدن اسناد حاوی گزارش نقص توسط جنگل تصادفی از بین حجم عظیمی از اسناد، مهمترین مرحله نحوه­ی ارائه­ی گزارش نقص محصول است، زیرا مطالعه­ی کل اسناد حاوی گزارش نقص که اطلاعات اضافی دیگری نیز دارند برای مدیران و تولیدکنندگان خسته­کننده و زمان­بر است. هدف، ارائه­ی خلاصه­ای کاربردی از گزارش­های نقص می­باشد. تکنیک تخصیص پنهان دیریکله (LDA) با مجموعه ویژگی دوگرمی را به منظور خلاصه­سازی بعد از کشف اسناد حاوی گزارش نقص استفاده گردید. مراحلی که برای ارائه­ی گزارش نقص باید انجام شود در شکل (2) آمده است.

 

 

 

شکل 1)گام­های اصلی کشف گزارش نقص

4-       آزمون و ارزیابی

4-1- معرفی روش آزمون

دقت9، بازنمایی10 و اندازه F11  معیارهای کاربردی در حوزه بازیابی اطلاعات هستند که میزان تناسب اسناد بازیابی شده توسط سیستم را با نیاز کاربر تعیین می­کنند. این سه معیار به صورت زیر تعریف می شوند.

 

در این روابط N تعداد کل اسناد پیکره، Nrelated تعداد اسناد مرتبط با پرس و جوی خاص، Qretrieved تعداد اسناد بازیابی شده برای این پرس و جو و Qrelated تعداد اسناد بازیابی شده مرتبط با پرس و جو هستند. دو معیار دقت و بازنمایی معمولا در حالت تقابل با همدیگر هستند و افزایش یکی سبب کاهش دیگری می­شود. از این رو مقایسه دو سیستم بازیابی بر اساس اندازه F که ترکیبی از هر دوی این معیارهاست؛ انجام می­گیرد. لازمه­ی محاسبه دقت و بازنمایی داشتن داده­های برچسب خورده هست و از طرفی کار با حجم عظیمی از اسناد هزینه­ی برچسب­زنی بالایی را
می­طلبد. از آنجایی که در این پژوهش برای کلاس­بندی از تعداد داده­های آموزشی کم استفاده شده است و روش خلاصه سازی یک تکنیک بدون ناظر می­­باشد، از اینرو نیازی به برچسب زنی کل اسناد نیست. برای ارزیابی نتایج کلاس­­بندی، 10درصد از کل اسناد به صورت تصادفی انتخاب و برچسب زنی شدند. بر اساس نسبت تعداد اسناد حاوی گزارش نقص در این مجموعه، تعداد اسناد حاوی گزارش نقص در کل پیکره بر اساس روابط (4) و (5) تخمین زده شد.

img0 

 

 

 

 

در روابط فوق Nrandom تعداد اسنادی است که به صورت دستی برچسب خورده­اند. از این میان Ndefect تعداد اسنادی است که برچسب مثبت دارند. با توجه به انتخاب تصادفی و یکنواخت اسناد برای برچسب زنی دستی، می­توان این نسبت را به کل پیکره تعمیم داد. از این رو برآورد می­شود تعداد Nd سند در پیکره حاوی گزارش نقص باشند. در محاسبات و تصمیم­گیری­های بعدی این تعداد لحاظ شده است. همچنین برای ارزیابی دقت جنگل تصادفی ده درصد از اسناد پیکر به صورت تصادفی انتخاب و برچسب زنی شدند. سپس این مجموعه با جنگل تصادفی به دو کلاس گزارش نقص و سایر طبقه­بندی شدند. نهایتا دقت جنگل تصادفی، β، معادل با نسبت تعداد اسنادی که درست
طبقه­بندی شدند؛ بدست آمد. مشابه قبل، می­توان این دقت را بر روی کل پیکره هم تعمیم داد. یعنی اگر جنگل تصادفی M سند از کل پیکره را گزارش نقص تشخیص دهد؛ می­توان انتظار داشت که حدود . M β تای آنها واقعا گزارش نقص باشند. با توجه به مقادیر α وβ ، معیارهای دقت و بازنمایی و اندازه F محاسبه گردیده است.

یکی از روش­های ارزیابی و آزمون موضوع­های بدست آمده از LDA استفاده از داوری خبرگان است. اگر چه به نظر 
می­رسد که این یک فرض قوی است که فضای پنهان و نامعلومی که توسط مدل­سازی موضوعی پیدا شده است معنادار و مفید باشد ولی ارزیابی هر یک از این فرض­ها کار دشواری است. زیرا پیدا کردن موضوعات یک فرآیند بسیار دشوار و هزینه بر است. یعنی یک لیست استاندارد کامل از موضوعات برای هر متنی وجود ندارد. بنابراین با مطالعه­ی اسناد در هر گروه ارزیابی صورت خواهد گرفت.

مدل­سازی موضوعی به این نحو است که واژه­ها و ترکیب‌هایی به عنوان موضوع اسناد استخراج می­شوند. سپس خبرگان این واژه­ها و عبارت­ها را در قالب موضوعات قابل فهم و استنباط پالایش و معرفی می­کنند. پس از استخراج واژگان و عبارات اولیه، در هر موضوع واژه یا عبارتی را که با سایر واژه­ها پیوستگی معنایی ندارد حذف نموده و موضوعات نهایی با توجه به سایر واژه­ها مشخص می­گردد. سپس به جهت تشخیص مرتبط بودن یا نبودن اسناد به موضوع، اسناد بررسی می­گردند.

 

 

 

 

 

 

تعداد 20 هزار نظر مشتریان درباره­ی محصولات الکتریکی از سایت آمازون گرفته شده ­است. برچسب زنی اسناد به صورت دستی و تحت نظر خبره صورت گرفته است و به اسناد برچسب حاوی گزارش نقص (D) و سایر (O) زده شده است. 

پیش­پردازش و نرمال­سازی متن به کمک ابزار متن پردازی سنتی GnuWin32 انجام گردید. این فرایند شامل حذف کلمات بی­اثر، حذف کارکترهای غیر الفبای انگلیسی مانند #، $ و ...، ریشه­یابی و کوچک کردن تمام

 

4-2- معرفی دادگان و ابزارها

 

 

 

 

 

 

 

 

 

 

کردن تمام حروف می­باشد. سپس واژه‌نامه‌ای12 از واژه­های اسناد ایجاد گردید. به این دلیل این واژه‌نامه را ایجاد شد که امروزه کاربران اینترنتی در نوشته­های خود از واژ­ه­هایی استفاده می­کنند که ممکن است حتی در لغت­نامه­های مفصل نیز موجود نباشند، مانند mer30، goooood، 5-starو ... . در نهایت جهت خلاصه­سازی توسط مدل‌سازی موضوعی (LDA) از کتابخانه‌ی gensim 13در زبان python استفاده  گردید.

4-3- نتایج آزمایش­ها

1-4-3- ارزیابی تشخیص اسناد حاوی گزارش نقص

مقادیر معیارهای دقت، بازنمایی و اندازه ­F برای کلاس­بندی اسناد در جدول (1) آمده است.

              جدول1: نتایج ارزیابی جنگل تصادفی

 

روش

معیارF

دقت

بازنمایی

نظارت از راه دور

0.56

0.40

0.91

جنگل تصادفی

0.54

0.72

0.43

ردیف اول این جدول نتایج کار مقدم و همکاران است که با روش نظارت از دور خرابی­های گزارش شده را استخراج
می­نماید [5]. در این روش از 50 هزار نظر برچسب خورده (به صورت دستی) استفاده شده است. به دلیل متفاوت بودن اندازه و محتوای مجموعه دادگان نمی­توان بین این دو مطالعه مقایسه دقیق و قاطعی انجام داد اما می توان برخی از جوانب قدرت و ضعف هر دو روش را برشمرد.

I've had my NST since last July, and I've been very happy with it.Pros:- Battery life when wifi is off is as good as advertised.- The page turn rate was already fast, but the update last November made it super speedy. Seriously, I've played with the current e-ink Kindles, and the difference in refresh rate might SEEM small on paper, but in practice it's a very noticeable difference.- I never had the wifi problems others did after the November firmware update, but I understand that the latest firmware update should solve it.- The NST feels really nice when you're holding it, and I really like that there are physical page turn buttons in addition to the onscreen touch turning - I use both, depending on whether I'm sitting up or lying down when I read, etc.- Navigation is very intuitive.- I bought a $5 4gb micro SD card and have had no problems using it with the NST.- Sideloading non-DRMed, non-B&N; content downloaded from places like Project Gutenburg is very easy, and it all goes into the same library as your B&N; downloaded content.Cons:- The user interface is easy to use, but it's also VERY basic, and there are very few features. You can organize your books into \"shelves,\" but only on the device itself, and it's a cumbersome process. You can sort books by title, author, and date added, and... that's pretty much it. The NST isn't a tablet and I don't want it to be, but there are still some pretty simple features that don't seem like it would have been that hard to add, and more flexible organization is one of them.- Once a book's in the library, you can't really see anything about it besides the title and author. Metadata from sideloaded content doesn't show up, and even purchased content requires you to be on wifi to see more information.That's about it. My cons list is really more of a wishlist, and I wouldn't hesitate to recommend the NST to anyone, especially at the lowered $99 price. I imagine a new touch reader will probably be released within the next few months, but unless the user interface is majorly updated, it's hard to imagine I'd feel the need to upgrade, since the current version meets almost all of my needs perfectly well.

شکل 3 : دیدگاه یک مشتری درباره یک محصول الکترونیکی

روش مقدم و همکاران [5] به دلیل استفاده از نشانه­های نویزی نتایج مثبت کاذب به تعداد زیادی رخ داده است، اما این روش اکثر اسناد حاوی گزارش نقص را یافته است. این روش جزو دسته عمومی روش­های بازنمایی زیاد14 قرار
می­گیرد. گرچه کشف همه نواقص گزارش شده اهمیت زیادی دارد، اما تعداد زیاد نمونه­های مثبت کاذب سبب
می­شود که مدل­سازی موضوعی LDA موضوعات حاشیه­ای و پس زمینه متعددی تولید کند [13] برای درک بهتر این رویداد تصور کنید که همه نظرات اعم از گزارش نقص و سایرین را تحلیل موضوعی نماییم. با توجه به اینکه تنوع محصولات و اشیا مورد بحث در این نظرها، تفکیک موضوعی به تفکیک نظرات بر اساس نوع محصول مورد بحث متمایل خواهد شد. یعنی بیش از اینکه وجود یا عدم وجود گزارش نقص در یک نظر معیار تخصیص آن نظر به موضوع خاصی باشد، نوع و مدل محصول سبب خواهد شد تا نظرات در گروه­های مختلف قرار بگیرند. ما به عنوان مطالعه اولیه چنین فعالیتی را انجام دادیم و دریافتیم که استفاده از موضوع­بندی بدون توجه به ماهیت نظر گمراه کننده است.

جدول 2: نمونه­هایی از جملات نظر شکل، حاوی نظر مثبت و گزارش نقص

در مقابل روش­هایی که هدفشان بازنمایی بالاست، روش­های دارای دقت بالا15 بر این حقیقت تاکید دارند که نظراتی که تفکیک و طبقه­بندی موضوعی می­شوند اصولا جزو گروه هدف ( در اینجا گزارش نقص) باشند. بر اساس این فرض می­توان امیدوار بود که تفکیک موضوعی انجام شده روی این نظرات بیانگر تفکیک انواع نقص­های گزارش شده می­باشد.

جنگل تصادفی به صورت ذاتی دادگان دارای تنوع زیاد را به خوبی دسته­بندی می­کند. دلیل این توانایی این است که این روش با انتخاب تصادفی زیرمجموعه­های متنوع از ویژگی­ها، تعداد زیادی درخت می­سازد که هر یک از آنها می­تواند بخشی از دادگان را به خوبی طبقه­بندی نماید. تجمیع نتایج این درخت­ها در یک قالب ساده اما کارآمد به تولید نتایج طبقه­بندی دقیقی و کارآمدی منجر می­شود. اسناد متنی اعم از نظر و غیر آن معمولا در قالب بردارهای واژگانی بیان می­شود. از این رو برای هر سند تعداد زیادی ویژگی استخراج می­شود که طبقه­بندی­هایی مثل جنگل تصادفی می­توانند از آن بهره ببرند. نتایج آزمایش­های ما نیز نشان می­دهد جنگل تصادفی تقریباً نیمی از اسناد حاوی گزارش نقص را بازیابی کرده است. کلاس­بندی جنگل تصادفی با تعداد داده­های آموزشی کم در کشف گزارش نقص نیز نتیجه­ی مطلوبی دارد و با وجود تعداد داده­های آموزشی کم توانسته دقت بالایی در عملکرد خود داشته باشد. بررسی اسنادی که به اشتباه کلاس­بندی شده­اند (مانند شکل (3)) نشان داد این اسناد با وجود اینکه مشتری به نقص کالا اشاره کرده­است، به محصول علاقه زیادی داشته و از لغاتی که حس مثبت را ابراز می­کنند استفاده زیادی کرده است. در جدول (2) تعدادی از جملات این نظر همراه با
برچسب­شان آمده است. می­توان دید که مشتری علاقه زیادی به محصول داشته و بسیار از آن تمجید کرده است. همچنین در ضمن این تعریف و تمجید نواقصی را هم گزارش نموده است.

 

 

گروه

موضوع

مجموعه واژه­های مرتبط

اول

برنامه­های نرم­افزاری

Card, software, app, memory tablet,install,window,android,format,driver,download,comput

دوم

بازگشت محصول

Back, return, got, bought, amazon, didn

سوم

رسانه­ی ذخیره سازی

Tape , disk , record, clean, drive, vcr, cassett, floppy, cleaner, maxel

چهارم

باتری و شارژر

Batteri, charg, charger, usb, plug, power, recharge, garmin, adapt,

Connect , cord, port,fit

پنجم

دستگاه پخش کننده موسیقی و فیلم

Player , dvd, soni, disc, year, rio, skip, mp3, panason, movi, repair

ششم

پخش کننده صدا

Radio, sound, speaker, good, headphone, better, like, even, much

Look , volum

هفتم

پانل نگهدارنده­ی تلویزیون

Case , lock, mount, palm, cover, plastic

هشتم

کتاب خوان الکترونیکی

Nook, book, kindl, read, purchas, barn, custom, nobl, screen,

Service

 

 

تحلیل موضوعی گزارش­های نقص با بردارهای دو گرمی قابلیت توصیف و تفسیر بهتری دارد. زیرا اغلب نواقص ونارضایتی­ها با ترکیب­ها و اصطلاحات دو کلمه­ای بیان
شده­اند. مثلاً افعال منفی معمولا با پیشوندهای don’t و can’t استفاده شده­اند. همچنین صفات ساده­ای مثل bad, worst, low که بیانگر دیدگاه منفی هستند پیش از نام محصول یا جنبه­ای از آن آمده­اند.

بعضی از واژگان مختص یک یا دو موضوع هستند. این واژگان کم تکرار معمولاً عنوان یک محصول یا جنبه خاصی از آن هستند. در مقابل، برخی از واژگان پر تکرار هستند. یعنی در سه موضوع یا بیشتر ظاهر شده­اند. این گروه
نشان­دهنده نوع نقص یا نارضایتی هستند.

پرتکرارترین واژگان افعال کمکی منفی هستند. استفاده از افعال کمکی منفی در بیان نقص و خرابی محصول در زبان انگلیسی رایج و مطابق دستور زبان است. البته لغات isn’t  وaren’t  خیلی متمایزکننده نیستند، چون در اکثر جملات وجود دارند. این واژگان به نوعی بیانگر موضوع عمومی موسوم به موضوع پس‌زمینه16 هستند. موضوع پس‌زمینه حوزه عمومی مورد بحث همه اسناد تحت بررسی را نشان می­دهد. به عنوان یک نتیجه جنبه­ای می­توان گفت که گزارش نقص محور نظرهای تحت بررسی بوده است. ظهور barn­­_noble به عنوان واژه پرتکرار نشان می­دهد که اکثر شکایات از شرکت barn&noble بوده است. همچنین پرتکرارهایی مثل battery power  و battery life  از بین جنبه­های گوناگون یک محصول بر این حقیقت تاکید می­کنند که اکثر مشتریان عمر باتری محصول را مورد نقد و بررسی قرار داده­اند. به صورت مشابه، واژگانی مثل (cd-player, sound-quality) نیز جزء جنبه­هایی هستند که زیاد مورد نقد و بررسی مشتریان قرار گرفته­اند. ترکیب پر تکرارcustomer service گویای این است که افراد به دلیل وجود نقص به خدمات پس از فروش مراجعه کرده­اند.

جدول (4) سه گروه از واژگان قابل توجه در موضوعات را نشان می­دهد. گروه اول الگوهایی هستند که مستقیما به نوع نقص اشاره نمی­کنند اما از حضور آنها می توان به وجود گزارش نقص در یک نظر پی برد. این واژگان را نیز می­توان به عنوان نشانگرهای نویزی نقص و جزو موضوع پس‌زمینه برشمرد. وجود این نشانگرها در اغلب موضوعات حاکی از عملکر مناسب جنگل تصادفی در کلاس­بندی و استخراج گزارش­های نقص است.

جدول4: نشانگرهای گزارش نقص، نوع نقص و جنبه هدف بدست آمده از تحلیلی موضوعی

 

 

گروه

واژگان عضو

نشانگر گزارش نقص

a lot-defect, another-one, another-problem, biggest-complaint, big-wast, bung-buck, buy-another, buyer-beware, cant-use, cheap-feel, cheaply-made, common-problem, didn’t-expect, disappoint-experience, don’t-buy, don’t-recommand, dosen’t-allow, explain-problem, first-time, frustrate-try, main-problem, money-back, never-able, notic-problem, piece-junk, return product, send-back, s-shame, try-get, try-use, wast-money, wast-time

نشانگر نوع نقص

slow-type, low-power, crash-often, adapt-fail, soft-reset, permanent-damage, defect-camera, background-hiss, sort-problem, player-stop, difficult-remove, background-noise, sound-horrible, poor-sound, drain-battery, bad-connect, start-freez, radio-faulty, get-hot, badly-written, start-skip, read-bad, give-break, bad-patch, stop-play, really-slow, got-stuck, battery-diy, stop-work, screen-freez, hit-pause, brock-first, whip-antenna, short-antenna, horizont-line, camera-eat, , simply-stop, lot-noise, come-dark

جنبه هدف

Battery-compartment, diamond-rio, extern-antena, flash-card, graphic-card, lcd-screen, memori-card, page-turn, nook-tablet, usb-cable, cell-phone, floppy-disk, image-quality, mp3-s, phone-jack, power-cord, dvd-player, recharge-battery, e-reader,mp3-player, nook-color, touch-screan

واژگان گروه اول به نوعی بیانگر عقیده، دیدگاه، تصمیم و توصیه نظردهنده هم می باشند. برای روشن شدن این مطلب مفهوم تعدادی از آنها توضیح داده شده است.

Don’t-buy: مشتری که از محصولی راضی نباشد، حال به دلیل نقصی که دارد یا اینکه عقیده شخصی وی نسبت به محصول منفی باشد دیگران را نیز از خرید محصول منصرف می­کند.

buy-another, another-one: مشتری محصولی را خریداری کرده است به دلیل نقصی که داشته مجبور شده است یکی دیگر تهیه کند. در برخی اسناد مشتری از محصول دوم راضی است اما در برخی دیگر به نقص مشابه قبلی اشاره کرده است.

Cant-use: به دلیل وجود نقص آن­گونه که باید از محصول نتوانسته­اند استفاده کنند مثلاً محصولی علیرغم تبلیغی که کرده است با دستگاه خاصی سازگاری ندارد و مشتری نتوانسته از محصول بهره­ی کامل ببرد.

First-time: برخی مشتریان از وجود نقص و خرابی محصول در ابتدای استفاده و یا دریافت محصول شکایت کردند.

Send-back, return product: خیلی از مشتریان محصولی که نقص دارد را بازپس می­دهند.

Try-use, try-get: این دو-گرمی نیز نشانه­ادی از وجود نقص است. زیرا اسنادی که این لغات را دارند به این نکته اشاره می­کنند که مشتری با روش­های مختلف سعی در استفاده از محصول داشته است اما به دلیل نقصی که دارد موفق نشده است.

Wast-money, wast-time: وقتی مشتری از محصول راضی نیست صرف زمان و هزینه برای آن را هدر رفت
می­داند.

Never-buy: به دلیل عدم رضایت، مشتری اعلام می­کند که دیگر از این نوع محصول یا محصولات شرکتی هرگز خریداری نکند.

Didn’t-expec: مشتری علیرغم تبلیغی که برای محصول شده انتظار چنین نقصی را ندارد.

گروه دوم واژگان به صورت مستقیم نوع نقص را نشان
می­دهند. شاید این گروه را بتوان مهمترین دست­آورد تحلیل موضوعی قلمداد کرد. در جدول (4) گروه با عنوان نشانگرهای نقص مشخص شده­اند.

گروه سوم واژگان جنبه­هایی از محصولات را نشان می­دهند که بیشتر مورد بحث بوده اند. این گروه از دو جهت اهمیت ویژه دارند. نخست اینکه نشان می­دهد کاربران در مقایسه و گزینش محصولات به چه ویژگی­هایی توجه دارند. مثلاً با اینکه اغلب گوشی­های تلفن همراه و ادوات الکترونیکی پوشیدنی ضدآب یا ضد ضربه نیستند اما این جنبه­ها کمتر مورد توجه بوده­اند اما در مقابل باتری، صفحه نمایش و کابل شارژ در مرکز توجه قرار داشته اند. دلیل دوم اهمیت این جنبه ها این است که با کاوش قواعد انجمنی17 بین نشانگرهای نقص و این جنبه­ها می­توان نقاط قوت و ضعف محصولات مختلف را به صورت خودکار استخراج و
دسته­بندی کرد.

5-       دسته­بندی

اخیراً تمرکز پژوهشگران حوزه نظرکاوی بیشتر روی استخراج جنبه­های محصول و تخمین امتیاز آنها از بازخوردها می­باشد. گرچه استخراج جنبه و تخمین امتیاز آن می­تواند به مشتریان جهت تصمیم­گیری در خرید محصول کمک کند؛ مدیران شرکت­ها و تولیدکنندگان برای اخذ تصمیمات عملی و برنامه­ریزی­های تجاری خود نیاز به اطلاعات دقیق­­تری دارند. کشف نقص محصول نقش موثری در ارائه­ی سریع راه حل کارا و درنتیجه راضی نگهداشتن مشتریان دارد. در این مقاله روشی پیشنهاد گردیده است که بتوان اطلاعات کاربردی از بازخورد مشتریان استخراج کرد. روش پیشنهادی مزایای زیر را داراست :

·       به صورت خودکار گزارش­های نقص را از متن نظرهای مشتریان استخراج می­کند،

·       مستقل از دامنه است،

·       برای هر پایگاه داده­ای قابل اجرا می­باشد و

·       به­ دلیل اینکه مدیران شرکت­ها مجبور به خواندن کل متن نظر نباشند خلاصه­ای از گزارش­های نقص کشف شده را ارائه می­دهد.

نتایج روی مجموعه داده­های واقعی از سایت آمازون نشان داد برای کشف گزارش خرابی  بررسی وصرفاً تحلیل لغات حسی مفید نیست. اما طبقه­بندی مثل جنگل تصادفی با دادگان آموزشی کم نیز می تواند کلاس‌بندی قابل قبول داشته باشد. تخصیص پنهان دیریکله با مجموعه ویژگی

منابع

1. B. Liu and L. Zhang, "A survey of opinion mining and sentiment analysis," in Mining text data, Springer, 2012, pp. 415-463.

2.S. Moghaddam and M. Ester, "Opinion digger: an unsupervised opinion miner from unstructured product reviews," in Proceedings of the 19th ACM international conference on Information and knowledge management, 2010.

3.B. Liu, M. Hu and J. Cheng, "Opinion observer: analyzing and comparing opinions on the web," in Proceedings of the 14th international conference on World Wide Web, 2005.

4..E. Cambria, B. Schuller, Y. Xia and C. Havasi, "New avenues in opinion mining and sentiment analysis," IEEE Intelligent Systems, vol. 28, pp. 15-21, 2013.

S. Moghaddam, "Beyond sentiment analysis: mining defects and improvements from customer feedback," in European Conference on Information Retrieval, 2015.

L.-W. Ku, Y.-T. Liang and H.-H. Chen, "Opinion extraction, summarization and tracking in news and blog corpora," in Proceedings of AAAI, 2006.

M. Hu and B. Liu, "Mining opinion features in customer reviews," in AAAI, 2004.

W. Jin, H. H. Ho and R. K. Srihari, "OpinionMiner: a novel machine learning system for web opinion mining and extraction," in Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, 2009.

F. Li, C. Han, M. Huang, X. Zhu, Y.-J. Xia, S. Zhang and H. Yu, "Structure-aware review mining and summarization," in Proceedings of the 23rd international conference on computational linguistics, 2010.

S. Moghaddam and M. Ester, "The FLDA model for aspect-based opinion mining: addressing the cold start problem," in Proceedings of the 22nd international conference on World Wide Web, 2013.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

دو-گرمی خلاصه­ای از گزارش­های نقص پرتکرار و اطلاعاتی نظیر اینکه بیشتر کدام جنبه­های محصول مورد نقد و بررسی هستند را ارائه داد. همچنین روش پیشنهادی توانست به طور خودکار کشف الگو داشته باشد. فهرست واژگان تشکیل­دهنده موضوع پس زمینه یکبار دیگر بر موفقیت جنگل تصادفی در تشخیص گزارش نقص تاکید دارد.

نشانگرهای نقص بدست آمده را می­توان در مطالعات جدید برای پیش پردازش و فیلتر نظرهای حاوی نقص استفاده کرد. همچنین می توان این الگوها را در مطالعات مبتنی بر نظارت از راه دور [1] بکارگرفت.

 

 

 

C. Havasi, "New avenues in opinion mining and sentiment analysis," IEEE Intelligent Systems, vol. 28, pp. 15-21, 2013.

5.S. Moghaddam, "Beyond sentiment analysis: mining defects and improvements from customer feedback," in European Conference on Information Retrieval, 2015.

6.L.-W. Ku, Y.-T. Liang and H.-H. Chen, "Opinion extraction, summarization and tracking in news and blog corpora," in Proceedings of AAAI, 2006.

7.M. Hu and B. Liu, "Mining opinion features in customer reviews," in AAAI, 2004.

8.W. Jin, H. H. Ho and R. K. Srihari, "OpinionMiner: a novel machine learning system for web opinion mining and extraction," in Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, 2009.

F. Li, C. Han, M. Huang, X. Zhu, Y.-J. Xia, S. Zhang and H. Yu, "Structure-aware review mining and summarization," in Proceedings of the 23rd international conference on computational linguistics, 2010.

S. Moghaddam and M. Ester, "The FLDA model for aspect-based opinion mining: addressing the cold start problem," in Proceedings of the 22nd international conference on World Wide Web, 2013.

 

می­توان از تکنیک نظارت از راه دور با استفاده از الگوهایی که به صورت خودکار در این پژوهش استخراج شد جهت بهبود نتایج کلاس­بندی استفاده نمود. با توجه به روشی که در این پژوهش مطرح شد برای استخراج  اطلاعات دیگری همچون استخراج نظرهایی که از محصول یا سرویس­های خدماتی ناراضی هستند، نظراتی که عقیده­ی مثبتی دارند، استخراج نظرهایی که دو یا چند کالا را مقایسه کرده­اند و استخراج اطلاعات از مقایسه­ها و نظرهایی که حاوی پیشنهادات مشتریان است می­توان استفاده کرد.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

learning system for web opinion mining and extraction," in Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, 2009.

9.F. Li, C. Han, M. Huang, X. Zhu, Y.-J. Xia, S. Zhang and H. Yu, "Structure-aware review mining and summarization," in Proceedings of the 23rd international conference on computational linguistics, 2010.

10.S. Moghaddam and M. Ester, "The FLDA model for aspect-based opinion mining: addressing the cold start problem," in Proceedings of the 22nd international conference on World Wide Web, 2013.

11.W. X. Zhao, J. Jiang, H. Yan and X. Li, "Jointly modeling aspects and opinions with a MaxEnt-LDA hybrid," in Proceedings of the 2010 Conference on Empirical Methods in Natural Language Processing, 2010.

12.S. Brody and N. Elhadad, "An unsupervised aspect-sentiment model for online reviews," in Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2010.

13.D. M. Blei, A. Y. Ng and M. I. Jordan, "Latent dirichlet allocation," Journal of machine Learning research, vol. 3, pp. 993-1022, 2003.

14.Z. Qiao, X. Zhang, M. Zhou, G. A. Wang and W. Fan, "A Domain Oriented LDA Model for Mining Product Defects from Online Customer Reviews," 2017.

15.C. Brun and C. Hagege, "Suggestion Mining: Detecting Suggestions for Improvement in Users' Comments.," Research in Computing Science, vol. 70, pp. 199-209, 2013.

16.L. Zhang and B. Liu, "Aspect and entity extraction for opinion mining," in Data mining and knowledge discovery for big data, Springer, 2014, pp. 1-40.

17.X. Zhang, Z. Qiao, L. Tang, W. Fan, E. Fox and G. Wang, "Identifying Product Defects from User Complaints: A Probabilistic Defect Model," 2016.

18.A. Liaw, M. Wiener and others, "Classification and regression by randomForest," R news, vol. 2, pp. 18-22, 2002.

 

 

 

 

 

 

 

 

 

 

 

 

 

.

 

[1]  Opinion

[2]  Reviews

[3]  feedback

[4]  defect

[5]  Opinion words

[6]  Smoky در لغت به معنی دود کننده است. از آنجایی که دود برای نشان دادن و اطلاع رسانی یک وضعیت استفاده می شود، از کلمه«رنگی» به جای آن استفاده کردیم

[7]  noisy signals

[8]  Bag of Words

[9]  Precision

[10]  Recall

[11]  F-Score/ Measure

[12]  Vocabulary

[13]  https://pypi.python.org/pypi/lda

[14]  High Recall

[15]   High Precision

[16]  Background topic

[17]  Association rules

 

 

 

        

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Related articles

The rights to this website are owned by the Raimag Press Management System.
Copyright © 2017-2024

Home| Login| About Rimag| Contact Us|
[فارسی] [العربية] [fa] [ar]