هدف این پژوهش شناسایی و دستهبندی نظرات کاربران فارسی زبان توئیتر در رابطه با موضوع بحرانهای خشکسالی در ایران و سپس توسعه مدلی برای تشخیص این نظرات در این پلتفرم، بوده است. از اینرو مدلی با کمک روشهای یادگیری ماشین و متن کاوی برای تشخیص نظرات کاربران فارسی زبان توئیتر در ارتباط با موضوع بحرانهای خشکسالی در ایران، توسعه داده شده است. جامعه آماری پژوهش، تعداد 42028 توئیت مرتبط با خشکسالی که در بازه زمانی یکساله منتشر شدهاند بوده است. این توییتها با کلیدواژههای مرتبط با مسائل و بحرانهای خشکسالی در ایران، از توییتر استخراج شد و سپس، یک نمونه 2300 تایی توئیت به روش کیفی تحلیل تم، برچسبگذاری، دستهبندی و تحلیل شد. سپس یک دستهبندی 4 تایی از نظرات کاربران در رابطه با بحرانهای خشکسالی و تابآوری ایرانیان در برابر این بحرانها، شناسایی گردید. سپس مبتنی بر این 4 دسته، مدل یادگیری ماشین مبتنی بر روش لجستیک رگرسیون برای پیشبینی و تشخیص انواع نظرات در پستهای توئیتر، آموزش داده شد. مدل توسعه داده شده دارای دقت 66.09 درصد و معیار f 60 درصد میباشد که نشان میدهد این مدل، برای تشخیص نظرات کاربران ایرانی در ارتباط با بحرانهای خشکسالی از عملکرد خوبی برخوردار است. تشخیص نظرات در رابطه با بحرانهای خشکسالی در پلتفرمی مانند توئیتر با روشهای یادگیری ماشینی میتواند میزان تابآوری جامعه ایرانی در برابر این بحرانها را به صورت هوشمند، نمایش و سیاستگذار این حوزه را نسبت به تغییرات افکار عمومی در این رابطه آگاه سازد.
لبافی، سمیه، لیلا ربیعی، و زینب رجبی. 1404. تشخیص و دستهبندی نظرات کاربران توئیتر در برابر بحرانهای خشکسالی در ایران با کمک روشهای یادگیری ماشین. پژوهشنامه پردازش و مدیریت اطلاعات. 40(4): 287-320.
