دانشگاه قم مدیریت مهندسی و رایانش نرم 2538-2675 4 1 2018 06 22 Presenting a Novel Hybrid Approach of Text Mining Sentiment Analysis in Twitter Using CART Decision Tree ارائه رویکرد ترکیبی نوین جهت متن کاوی تحلیل احساسات در توییتر با استفاده از درخت تصمیم CART 59 76 1272 10.22091/jemsc.2018.1272 FA نصیر طیرانی نجاران کارشناس ارشد مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران مهرداد جلالی استادیار گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد مشهد Journal Article 2019 02 20 Today, with the enormous growth of the Internet and social networks as virtual communities and mass media, and increased use of them, a huge amount of user feedback comes from a variety of topics. Therefore, the use of novel approaches for analyzing them seems to be necessary. Text mining, as a special strategy, drives the knowledge discovery process, which uses non-verbal and attractive patterns of natural language processing. In this paper, a new hybrid approach of machine learning and vocabulary-based method to text-mining sentiment analysis on Twitter. To improve text-mining and sentiment analysis, the CART decision tree is used as a machine learning method for classification, also for extracting more precisely sentiment, we use from the list of SentiStrength algorithms as a lexicon-based method. CART is very effective in processing discrete and continuous data in text mining. The unique CART feature is a complex data structure analysis that can support regression as well as classification operations, according to the input of the problem. The ability and power of the SentiStrength algorithm to detect sentiment has also led to a thorough analysis of sentiment in tweets. The results of the implementation in the polarity recognition show improvement of classification in the most feature. <strong> </strong><strong>با گسترش شگرف اینترنت و شبکه‏های اجتماعی به عنوان اجتماعات مجازی و استفاده روزافزون از آن‏ها، حجم انبوهی از نظرات کاربران در ارتباط با موضوعات مختلف پدید می‏آید. در نتیجه به کارگیری تکنیک‏های علمی نوین جهت تحلیل این شبکه‏ها ضروری به نظر می‏رسد. متن‏کاوی به عنوان یک راهکار ویژه و موثر، به دنبال کشف دانش از متون می‏باشد. در این مقاله، رویکردی نوین از ترکیب همزمان دو روش یادگیری ماشین و مبتنی بر واژگان جهت متن کاوی تحلیل احساسات در توییتر ارائه گردیده است. جهت بهبود متن‏کاوی تحلیل احساسات، و دسته‏بندی داده‏ها از درخت تصمیم </strong>CART<strong> به عنوان روش یادگیری ماشین، و برای کاوش دقیق‏تر در نوع احساسات بیان شده در توییت‏ها از لیست الگوریتم </strong>SentiStrength<strong> به عنوان روش‏ مبتنی بر واژه، استفاده شده است. ویژگی منحصر به فرد </strong>CART<strong>، تحلیل ساختار داده پیچیده است که با توجه به ورودی مسئله می‏تواند عملیات مربوط به رگرسیون، همچنین دسته‏بندی داده‏ها را انجام دهد. توانمندی الگوریتم </strong> SentiStrength<strong>در تشخیص احساسات، موجب تحلیل دقیق احساسات موجود در توییت‏ها گردیده است. نتایج پیاده‏سازی جهت تشخیص احساسات توییت‏ها، در اغلب شاخص‏ها بهبود دسته‏بندی را نشان می‏دهد.</strong> http://jemsc.qom.ac.ir/article_1272_9c03668bacb495064938e03c478e423a.pdf