تحلیل احساسات کاربرانِ پارک‌های شهری مبتنی بر داده‌های فضای مجازی؛ با بهره‌گیری از روش‌های مدل‌گرا و غیرمدل‌گرا مطالعه موردی: پارک ملت تهران

Abstract

از میان انواع فضاهای شهری، فضاهای سبز شهری و پارک‌ها، به‌عنوان تنفس گاه‌های شهر، عرصه‌هایی سرسبز و آرامش‌بخش هستند و، به‌عنوان بستر فضایی پژوهش انتخاب‌شده‌اند. بنابراین این مقاله، با هدف تحلیل احساسات کاربران از پارک ملت تهران، در قالب پژوهشی تحلیلی و مبتنی بر روش کمی (رویکرد یادگیری ماشین نظارت‌شده و مبتنی بر لغت) است. داده‌ها پس از پیش‌پردازش و برچسب‌گذاری، با دو روش: مدل‌گرا و غیرمدل‌گرا، بررسی و تحلیل احساسات با زبان برنامه‌نویسی پایتون، انجام‌شده است. مقایسه این دو روش نشان داد که از میان الگوریتم‌های یادگیری ماشین، ایکس. جی.بوست با بیشترین دقت (87%)، کی-نزدیکترین همسایه و ماشین بردار پشتیبان با دقت کمتر، قابلیت پیش‌بینی احساسات در فضاهای سبز را دارند. روش لغوی (استفاده از فرهنگ لغت ویدر) در مقایسه با یادگیری ماشین، قابلیت پیش‌بینی کمتری دارد. در نهایت مدل یادگیری گروهی از نوع پشته‌سازی که برای بالا بردن دقت مدل استفاده‌شده که بر اساس نتایج ماتریس درهم‌آمیختگی (96%) قابلیت پیش‌بینی احساسات را دارد. بنابراین با بهره‌گیری از روش مبتنی بر داده‌های فضای مجازی، می‌توان، به پیش‌بینی احساسات کاربران سایر فضاهای سبز شهری با سرعت و دقت بالا در شهر تهران دست یافت.