بخشی از مقاله
کمّی سازی گرایش احساسی نظرات متنی فارسی مشتریان بر روی ویژگی های کالا در وب
چکیده
امروزه، اینترنت به مشتریان امکان میدهد تا نظرات و عقاید خود را در مورد سازمانها و محصولات بیان نموده و سایر افراد را در مورد تجربهی خود مطلع کنند، بدین ترتیب تأثیر نظرات مشتریان بر موفقیت یک کسب وکار غیر قابل چشمپوشی است. هدف این پژوهش، معرفی یک روش مبتنی بر واژه نامه برای استخراج و کمی سازی گرایش احساسی مشتریان در مورد ویژگیهای یک کالا با بررسی و تحلیل نظرات آنها به زبان فارسی میباشد. پژوهش حاضر از جنبه هدف، کاربردی و از منظر روش تحقیق از نوع پیمایشی مقطعی میباشد. در این تحقیق، نظرات مشتریان پیرامون 11 ویژگی 3 مدل گوشی تلفن همراه در فروشگاه آنلاین دیجی کالا در تابستان سال 1393 جمع آوری گردید و در هشت گام شامل: انتخاب کالای مورد نظر و جمع آوری نظرات، پیش پردازش دادههای متنی، استخراج ویژگیهای کالا، ایجاد واژهنامهها، استخراج الگوهای نظرات، تعیین قطبیت یا گرایش احساسی بخش های نظرات، پس پردازش و در انتها جمع بندی و کمی سازی گرایش احساسی نظرات مورد تحلیل قرار گرفت. نتایج اعتبارسنجی نشان میدهد روش معرفی شده از دقت بالایی در کمی سازی گرایشهای احساسی مشتریان برخوردار میباشد.
کلمات کلیدی
متن کاوی، عقیده کاوی، تحلیل احساسات، کمی سازی نظرات در وب
-1 مقدمه
با گسترش سریع تجارت و کسب و کار الکترونیکی و فـروش کالاها/خـدمات تحت وب، تعداد خریداران این کالاها/خدمات نیـز رو بـه افـزایش اسـت. بـه منظور افزایش رضایت مشتری و نیز تجربه ی خرید وی، بیشتر فروشـندگان و سازمانها این امکـان را بـرای مشـتریان خـود فـراهم آوردهانـد تـا در مـورد کالاها/خدمات آن ها نظرات و عقاید خود را بیان نمایند. تمایل افراد برای بیان نظرات خود و به اشتراک گذاری آن با دیگران، در رفتـار سـایرین نیـز اثـرات بالقوهای خواهد داشت. عدم توجه به این تاثیرات میتواند منجر به شکسـت و در نهایت نابودی یک کسب و کار در دنیـای مجـازی شـود. افـزون بـر ایـن،
بسیاری از مشتریان به بررسی ویژگی های کالا/خدمات در نظرات خـود مـی-پردازند که توجه به آن میتواند بر بهبود کیفیـت کالا/خـدمات تـأثیر بسـزایی داشته باشد.
در مطالعات متعددی سعی شده است تا سیستمهایی ارائه شـود کـه بـه تحلیل خودکار یا نیمه خودکار این نظرات پرداخته و نتایج قابل قبـول و قابـل کاربردی را نمایش دهند. این سیستمها، که به سیستمهای عقیـده کـاوی یـا تحلیل احساسات شهرت دارند، با استفاده از تکنیکهـای دادهکـاوی و مـتن-کاوی بر روی این متون انتقادی، نظیر خلاصهسازی، طبقهبندی ، خوشهبندی و ...، فروشندگان را برای تصمیمگیری بهتر در مـورد ارائـه کالاهـا و خـدمات یاری میکند .[1]
بر خلاف پژوهشهای گستردهای که در چند سال اخیر بـر روی عقیـده کاوی بر روی متون زبان انگلیسـی صـورت گرفتـه اسـت، روش و سیسـتمی ساختیافته برای عقیده کاوی نظرات بیان شده به زبان فارسی ارائه نشده است. از این رو در این پـژوهش، سیسـتمی بـرای انجـام عقیـده کـاوی مبتنـی بـر ویژگیها و مشخصات فنی یک گروه کـالایی در زبـان فارسـی، توسـعه داده میشود. با تحلیل این نظرات، از دید درون کشوری و درون سازمانی، سازمان-ها میتوانند برنامههای بازاریابی، روشهـای بهبـود ارائـه خـدمات و کیفیـت محصولات، راههایی برای توسعه و ورود به بازارهای جهـانی را در اهـداف و برنامههای بلند مدت کسب و کار خود در نظر بگیرند.
برای بیان عقاید و نظرات در اینترنت، سه قالب کلـی وجـود دارد: نقـاط قوت و ضعف ، نقاط قوت و ضعف1 همراه بـا نظـر کوتـاه و قالـب آزاد.[1] 2 بــرای تعیــین گــرایش احساســی در قالــب اول و دوم، تنهــا کــافی اســت تــا ویژگی های کالا/خدمت مشخص گردد، زیرا گرایش احساسی در بخش نقـاط قوت و ضعف به وضوح تعیین شده است. اما در قالب سوم، هم ویژگیها و هم گرایش احساسی هر یک باید تشخیص داده شـود. بنـابراین اولـین مسـئله در عقیده کاوی متون با قالب آزاد، تعیـین ویژگـی هـای کالا/خـدمت در نظـرات مشتریان است. دومین مسـئله در عقیـده کـاوی، تشـخیص اطلاعـات ذهنـی مشتریان و سپس ردهبندی عقاید بر اساس نظرات یافـت شـده بـرای ویژگـی کالاها است. در این حالت رویکردهای عقیده کاوی به سه دسته کلـی تقسـیم میشوند:
1. تعیین گرایش احساسی ویژگی ها یا صفات مطـرح شـده بـرای کـالا/ خدمات.
2. تعیین گرایش احساسی جملات عقیدهای در هر نظر.
3. تعیین گرایش احساسی هر نظر به صورت کلی.
علاوه بر این، روش های ردهبندی احساسی متون انتقـادی بـه دو دسـته نظارت شده و بدون ناظر نیز تقسیم میشوند. در روشهای نظـارت شـده، بـر چسب کلاس هر متن یا جمله انتقادی مشخص بوده و میزان صحت نتایج بر اساس روابط ردهبندی مشخص میگردد. در این روشها، معمولاً از تکنیـک-های یادگیری ماشین در آموزش و ایجاد مدلی برای رده بندی اسـناد اسـتفاده می شود. در روشهای بدون ناظر، معمولاً از واژهنامههـا اسـتفاده مـیگـردد و گرایش احساسی با شمارش مثبتها و منفیها به دست میآید.
-1-1 استخراج ویژگیها و عبارات کلیدی
همان طور که بیان شد، اولین مسئله در عقیدهکاوی یافتن ویژگیهای کالا در نظرات مشتریان است که در این بخش به این موضوع پرداخته می شود. ترنی ، برای استخراج ویژگیها و عبارات کلیدی به یافتن عباراتی پرداخته است که حاوی صفت یا قید هستند، زیرا این دو بیانگر یک عقیـده شخصـی در جملـه میباشند .[3]
لئونگ و همکاران نیز، برای استخراج ویژگیهـا از یـک مـتن نظـر، از برچسب ادات سخن استفاده کردهاند .[12] زیا و همکـاران، بـرای اسـتخراج ویژگی و بهبود نتایج از روش ترکیبی برچسب ادات سخن بـه همـراه ارتبـاط کلمات استفاده و ردهبندی بر اساس آنها صورت میگیرد .[5]
در [17] برای استخراج ویژگیها از یک سری نشانههای خاص نظیر حروف بزرگ، برچسبهای ادات سخن، نوع کلمه و مانند آن بهره برده شده است. لیو و همکاران، توصیهگری مبتنی بر اولویتها و عقاید مشتریان ارائه نموده اند
.[18] تمرکز روش معرفی شده در این مقاله بر روی اسناد انتقادی به زبان چینی در مورد رستورانها است و استخراج ویژگیها بر مبنای قید صورت می-گیرد. برای تشخیص قیدها هم از برچسبهای ادات سخن استفاده میشود.
-2-1 تعیین گرایش احساسی در سطح کلمات و عبارات
در این رویکرد تلاش بر این اسـت تـا گـرایش احساسـی کلمـات و عبـارات منحصر به فرد تعیین شود. مبنای کار در این رویکرد این است که در جملات یک متن انتقادی، مشتری ممکن اسـت ویژگـی هـای مختلفـی از کـالا را بـا گرایشهای احساسی متفاوتی بیان نماید. به همین جهت لازم اسـت تـا ابتـدا گرایش احساسی کلمات و عبارات تعیین گردد.
پاپسکیو و اتزیونی ، از روش برچسبسزنی ساده شـده (کـه یـک روش رده بندی بدون ناظر است) برای یافتن گرایش معنایی واژگـان در یـک زمینـه خاص، جهت کارآیی بهتر استفاده می کنند .[16] در تکنیک بیان شـده توسـط لیو، که بر روی الگوی دوم بیان نظـرات کـاربرد دارد، گـرایش احساسـی هـر الگوی استخراجی توسط نقاط قوت و ضعف مشخص میگردد .[1]
استفاده از واژه نامه برای تعیین گرایش احساسی در سطح کلمات نیز در مطالعات متعددی به کار رفته است .[14-6 ,12 ,13] در این روش مترادفهـا و متضادهای یک صفت در شبکه واژهها، بسـته بـه اینکـه صـفت دارای چـه گرایش احساسی باشد، به لیست مثبتها و منفیهـا اضـافه مـیشـود. از ایـن لیست، در مراحل بعدی برای تعیین گرایش احساسی در سطح جمله و عبـارت استفاده میشود.
-3-1 تعیین گرایش احساسی در سطح جملات متن انتقادی
پس از تعیین گرایش احساسی کلمات و عبارات، در این رویکرد، سعی میشود تا جملات هر متن انتقادی به صورت مجزا ردهبندی گردند. اساس این رویکرد این است که در یک متن انتقادی لزوماً تمام جملات در مورد یک کالا منفـی یا مثبت نیست، بلکه ترکیبی از این دو میباشد.
در روش هو و لیو، برای خلاصه سازی در سطح ویژگی کالاها، جملاتـی که در برگیرنده یک ویژگی خاص هستند تجمیع شده و تعداد نظرات مثبـت و منفی در مورد آن شمارش میگردد .[13]
در [20]، علاوه بر ماژول تعیین احساسات در سطح کلمه، ماژولی بـرای تعیین احساسات در سطح جمله نیز وجود دارد. برای این مرحله نیز از دو مدل میانگین هارمونیک و میانگین هندسی استفاده شده است.
در [19]، که به خلاصهسازی نظرات مشتریان در وب میپردازد، بخـش استخراج ویژگی کالاها از روشی مشابه [13] میکند که شامل فرآیندهای زیر است: تحلیل برچسبهای ادات سـخن، محاسـبه فراوانـی عبـارت-معکـوس فراوانی جمله (tf-isf)، اگر صفتی در نزدیکی این اسامی نماینده قـرار داشـته باشد، با آن نماینده به عنوان یک ویژگی عقیدهای مکرر رفتار میشود.
-4-1 تعیین گرایش احساسی در سطح متن نظر
به طور کلی، مهمترین مزیت ردهبندی احساسی در سطح اسناد این است کـه باعث فراهم آوردن عقیده غالب بر سند میشود. با این وجـود، کاسـتی اصـلی
ردهبندی در سطح اسناد به ایـن شـرح اسـت کـه جزئیـات تمـایلات و عـدم تمایلات افراد را مشخص نمیکند.
ترنی با محاسبه میانگین گرایشهای معنایی به دست آمده برای لغـات، مثبت یا منفی بودن هر یک از متون انتقادی را تعیین نموده است .[3] روش-های یادگیری ماشین نیز نظیر بیز ساده [6 ,5 ,4]، مـاکزیمم آنتروپـی [5 ,4]، ماشینهای بردار پشتیبان [8 ,7 , 5 ,4]، 3SMO، که حالت بهینه شده ماشین بردار پشتیبان است، [18] و شبکههای عصبی مصـنوعی [8] بـرای ردهبنـدی احساسی متون انتقادی به کار برده شده است. دیـو وهمکـاران، بـرای تعیـین گرایش احساسی هر متن یا ردهبندی آن به یکی از دو کلاس مثبت و منفی از یک تابع امتیاز استفاده می کنند .[15] در [12] نیز، تعیین گرایش احساسـی در سطح متن انتقادی بر اساس رتبهبندیهای پنجگانه و یک تابع امتیاز صـورت میگیرد، برخلاف روشهای دیگر که فقط مثبت یا منفی بودن یک متن را در نظر میگیرند.
شکل : (1) خلاصه روش انجام تحقیق
-1-2 انتخاب کالای مورد نظر و جمع آوری نظرات
هدف نخست در این گام انتخاب یک کالا جهت بررسی و تحلیل نظـرات آن است که در این پژوهش نظرات بیان شده در مورد تلفن همراه مـورد بررسـی قرار میگیرد و سایت دیجی کالا4 برای جمع آوی نظرات انتخاب شده است. همانطور که در بخش (2) بیان شد، نظرات ممکن است در سه قالـب کلـی بیان شوند، از آنجا که شیوه ی مطرح شده در این پژوهش بـه صـورت بـدون ناظر عمل میکند، قابلیت به کارگیری بر روی هر سه قالـب بیـان نظـرات را دارد. نظرات میتواند با استفاده از یک خزنده ی وب5 و یا بـه صـورت دسـتی جمعآوری شود. هر یک از متون انتقادی به صـورت یـک فایـل متنـی مجـزا ذخیره میگردد. علت این امر، سادگی محاسـبه ی تعـداد مشـتریان بـرای بـه کارگیری در مراحل بعدی و نیز کاهش زمان پردازش در متون کوتاه است.
-2 روش و ابزار تحقیق
آنچه در این بخش بدان پرداخته می شود ارائهی یک روش مبتنی بر قـانون و واژه نامه و بدون ناظر برای استخراج بخشهای عقیدهای در نظرات ثبت شده به زبان فارسی توسط مشتریان در خصوص یک کالای خریداری شده است.
روش ارائه شده در این پژوهش یک رویکرد نیمه خودکار است، چـرا کـه ایجاد واژهنامه ها تا حدی به صورت دستی و بر اساس دامنه ی مورد نظر انجام گرفته است. همچنین به منظور فراهم آوردن الگویی مناسب بـرای اسـتخراج عقاید، نیاز است که بخش هایی از دادههای متنی موجـود بـه صـورت دسـتی برچسب گذاری شده و سپس بر اسـاس ایـن مـوارد، الگوهـا و قـوانین زبـانی موجود شناسایی گردند. این قوانین می توانند در شناسـایی و برچسـب گـذاری خودکار بخشهای عقیدهای سایر متون نظرات مورد استفاده قرار گیرند.
در این پژوهش به منظور انجـام پردازشـهای متنـی خودکـار از نـرمافـزار متنکـاوی Gate Developer 7.0 اسـتفاده شـده اسـت کـه یـک پلتفـرم نرمافزاری متن باز و رایگان برای پردازش زبان طبیعی میباشد. .[21]
شکل (1) خلاصهای از مراحل رویکرد ارائه شده را نشان میدهد.
-2-2 پیش پردازش دادههای متنی
در این گام، که به نام آمادهسازی متون نیز شناخته میشود، عملیـات ابتـدایی متنکاوی انجام میگیرد. یکی از مشکلات کار بـا متـون فارسـی شـیوههـای نوشتاری متفاوت برای نوشتن یک کلمه ی خاص است. در زبان فارسی نوشتار عامیانه علاوه بر نوشتار کتابی و اداری برای نوشتن متن نظرات رایج اسـت و بسیاری از کاربران فارسی زبان، نوشتار عامیانه را نسبت به کتابی ترجیح می-دهند. به عبارت دیگر در هنگام بیان نظرات توسط مشتریان به زبـان فارسـی قواعد این زبان رعایت نمیگردد و همین امـر سـبب دشـواری تحلیـل متـون فارسی میگردد.
در این پژوهش برای انجام این کار، افزونه ی زبان فارسی که برای پلتفرم گیت نوشته شده است [23]، به کار رفته است. این گام با استفاده از این افزونه به وظایف زیر شکسته میشود:
· تفکیک جملات به کلمات و نشانهها: در این مرحله هر نشـانه در مـتن شناسایی می شود. همانطور که قبلاً نیز بیان شد، هر نشـانه مـی توانـد یک واژه، عدد و علائم نقطهگذاری و غیره باشد.
· تفکیک متون به جملات: هر یک از متون به جملات تفکیک میشوند تا در مراحل بعدی قابل استفاده باشند. در واقع بـا اسـتفاده از جمـلات محدوده ی اثر یک بخش عقیدهای کوچکتر میشـود و از گذاشـتن اثـر جانبی بر سایر بخشهای متن نظر جلوگیری میکند.
· برچسب گذاری ادات سخن یا تعیین مشخصه ی دستوری نشانهها: نـوع برچسب و نقشی که می تواند به یـک نشـانه در جملـه اختصـاص داده شود، در این مرحله تعیین میگردد. این نقشها برای تعیین و شناسایی الگوهای زبانی مورد استفاده قرار میگیرد.
-3-2 استخراج ویژگیهای کالا
هدف از این مرحله مشخص نمودن ویژگی هایی است که در متون نظرات بـه دنبال آنها هستیم. از آنجا که نظرات مود بررسی در مورد تلفنهای همراه می-باشد، ویژگیهای مطرح برای یک تلفن همراه در نظر گرفتـه مـی شـود. ایـن ویژگیها و در واقع مشخصات فنی کالا است که در سایت دیجی کـالا بـرای هر دستگاه نشان داده شده است. با در نظر گرفتن ایـن حالـت، ویژگـی هـای
مشخصات ظاهری، باتری، دوربین فیلمبرداری، بدنه، نمایشگر، حافظه، انتقـال داده، پردازنده، نرمافزار، صدا و سایر مشخصات استخراج شد. نظرات هر کاربر بر اساس این ویژگی ها مورد تجزیه و تحلیل قرار میگیرد و گرایش احساسـی هر بخش نظر و کل متن نظر به صورت کل برای هر ویژگی تعیین میگردد.
-4-2 ایجاد واژهنامهها
تحلیل نظرات مشتریان نیازمند این است که بتوان بخش هایی از متن نظـر را که در رابطه با یک ویژگی خاص در مورد کالا است و توصیف مربـوط بـه آن شناسایی نمود. منظور از توصیف، استفاده از کلماتی است که نشـان دهنـدهی یک گرایش احسای در مورد یکی از ویژگیهای کالایی است کـه نظـرات آن مورد تحلیل قرار میگیرد. آنچـه مـد نظـر اسـت، ایـن اسـت کـه بـا داشـتن مجموعهای از نظرات، که هر کدام از آنها از چندین جمله تشکیل شده است و با این فرض که هر جمله میتواند حاوی توصیفی در مورد یـک ویژگـی کـالا باشد، بتوان این جملات را شناسـایی و بـه همـراه توصـیف مربـوط بـه آنهـا برچسب گذاری کرد. این امر باعث میشود تا امکان یافتن قوانین زبانی موجود در بیان نظرات فراهم شود. بنابراین بر اساس نیاز رویکرد پیشـنهادی در ایـن پژوهش به سه نوع واژهنامه یا لیست واژگان احتیاج است:
· واژهنامه ی مرتبط با ویژگیها: بـر اسـاس لیسـت ویژگـیهـایی کـه در مرحله ی قبل شناسایی شد، لیست واژگان مرتبط با هر یک از آنهـا نیـز تکمیل می گردد. در این حالت برای هر ویژگی یـک واژه نامـه ی مجـزا تشکیل می شود و بدین ترتیب مشخص می گردد که هـر واژه بـا کـدام ویژگی در ارتباط است.
· واژه نامه ی توصیفی یا مرتبط با صفات: این لیست حاوی صفات عقیده-ای و گرایش احساسی هر یک (مثبت یا منفی) است. لازم به ذکر است که فقط صفاتی در نظر گرفته می شوند که یک گرایش احساسی را نیـز بیان نمایند. از این رو، در این مرحله لیست این صفات نیـز تهیـه مـی-گردد. علاوه بر این، برخـی واژه هـای توصـیفی نیـز وجـود دارنـد کـه گرایش احساسی آنها برای ویژگی های مختلف کالا متفاوت اسـت. بـه عنوان مثال میتوان صفت توصیفی »کم« را در نظر گرفت. این صفت اگر در مورد ویژگی »بدنه« تلفن همراه در نظـر گرفتـه شـود، گـرایش احساسی مثبت دارد و در مقابل اگر در مورد ویژگی »باتری« آن در نظر گرفته شود، دارای گرایش احساسی منفی مـیباشـد. البتـه تعیـین ایـن گرایش احساسی بستگی به نحوهی قرار گیری این صفات احساسـی در کنار ویژگیهای کالا دارد.
· واژه نامه ی نفی کننده: این واژه نامه حـاوی کلمـات نفـی کننـده نظیـر »نیست«، »نمی شود« و غیره است که در مرحله ی پس پـردازش از آن استفاده میشود. نفی کنندهها با کلمه ی کلیدی Negation مشـخص میگردند. هرگاه این کلمات در جمله یا عبارتی که برای توصیف بخش از کالا به دست آمده قرار گیرند، گرایش احساسی آن را تغییر میدهند.
برای تشکیل واژهنامه یک لیست اولیه، حداقل حاوی 10 واژه، در نظر گرفتـه می شود و لغات هم خانواده و هم گروه هر یک از آنها به صورت عمقی افزوده می شود. بدین ترتیب برای هر یک از ویژگی ها لیستی حدود حداقل 40 واژه و برای صفات توصیف کننده احساس حداقل 70 واژه به دست میآید. برخـی از این واژه ها میتواند بر اساس تحلیل دستی متون نظرات استخراج گردنـد تـا ارتباط آن با موضوع مورد بررسی حفظ گردد.
علاوه بر این باید در نظر داشت که نمیتوان صرفاً به تهیه ی لیستی از اسامی برای ویژگیهای کالا و یا لیستی از صفات بـرای واژه نامـهی توصـیفی اکتفـا نمود. همانند هر زبان دیگر، در زبان فارسی نیز برخی از کلمات در نقشهـای مختلف دستوری (نظیر اسم، صفت، قیـد، فعـل و ماننـد آن) مـیتواننـد بیـان کنندهی یک ویژگی خاص و یا توصیف کننده یک احساس و نظیر آن باشند. از آنجایی که در این تحقیق از پلتفرم گیت برای تحلیل نهایی الگوها اسـتفاده می شود، باید واژهنامهها را نیز بر اساس این پلتفرم تهیه نمـود. در ایـن ابـزار، واژهنامه های مورد استفاده برای برچسب گذاری کلمات در سـاختاری بـه نـام فرهنگ واژگان6 نگهداری می شود. این ساختارها می توانند حاوی یک یا چنـد واژهنامــهی مختلــف بشــند. جــدول (3) نشــان دهنــدهی فرهنــگ واژگــان و زیرمجموعه ی آنهاست و اینکه چگونه هـر یـک از ایـن واژهنامـههـا تشـکیل میگردند.
-5-2 استخراج الگوهای نظرات
برای استخراج الگوهای موجود در متن نظرات مشتریان، از یک رویکرد نیمـه خودکار استفاده شده است. در واقع روند کار بدین صورت است که ابتـدا تمـام ویژگی های کالا و توصیفات مرتبط به آنها در متون برچسب زده مـی شـود و آنگاه بر اساس این موارد، الگوهای ممکن برای بیان عقاید مشتریان استخراج می گردد. در مرحلهی بعد میتوان از این الگوها استفاده نمود تا هنگام تطبیـق با هر کدام از بخش های متون جدید، ویژگی های کالا را مشخص کرده و بـه صورت خودکار توصیف مرتبط با آنها را به دست آورد.
استخراج الگوی نظرات از جملات شامل سه مرحله است:
1. برچسب زدن ویژگی های کالا که در نظرات مشـتریان بـه آن اشـاره شده و در فرهنگ واژگان مربوطه آمده است؛
2. برچسب زدن تمام توصیف کننده ها و نفی کننده ها بر اساس فرهنگ واژگان توصیفی؛
3. مشخص کردن توصیف کننده ها و ویژگیهای کالایی که با یکـدیگر مرتبط هستند و نمایندهی یک نظـر مثبـت یـا منفـی در مـورد یـک ویژگی کالا هستند.
باید توجه داشت که تعداد الگوهای یافت شده نسبت به تعداد کـل جمـلات و نیز تعداد کل متون نظرات مشتریان کمتر میباشد. دلیل این امر این است که مشتریان در هنگام بیان نظرات خود در رابطـه بـا یـک موضـوع، بـه مسـائل حاشیهای نیز میپردازند. به عبارت دیگر تمام جملاتی که در یـک مـتن نظـر بیان شدهاند لزوماً یک گرایش احساسی را نسبت به یکی از ویژگیهـای کـالا بیان نمیکنند.
-6-2 تعیین قطبیت یا گرایش احساسی بخش های نظرات
با استفاده از الگوهای به دست آمده در مرحله ی قبل و برچسب گـذاریهـایی که با استفاده از واژه نامهها صورت میگیرد، مـیتـوان گـرایش احساسـی هـر بخش عقیدهای یافت شده در متن نظرات را مشخص نمود. برای این کار، بـا توجه به قوانین یا الگوهای نوشته شده برای استخراج بخش عقیدهای، گرایش احساسی هر بخش با توجه به گرایش احساسی توصـیف کننـدهای کـه در آن وجود دارد مشخص می گردد. به عبارت دیگر، در صورتی کـه گـرایش صـفت موجود در الگو، مثبت باشد، ویژگی کالا مثبـت و در غیـر ایـن صـورت منفـی ارزیابی میگردد. جدول (5 ) نمونهای از این برچسب گـذاری و تعیـین گـرایش احساسی را نشان میدهد.
