fa تحلیل احساسات مرتبط با بیماری کرونا در وب‌سایت‌های خبری داخل ایران عمومى General پژوهشي Research <span style="font-size:15pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span b="" mitra="" style="font-family:"><span style="color:#16469d"><span style="font-weight:bold">چکیده</span></span></span></span></span></span></span><br> <span style="font-size:12.5pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span b="" mitra="" style="font-family:"><span style="color:black"><span class="latin" new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:10.0pt">زمینه:</span></b></span><span class="latin" new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:10.0pt"> رشد اطلاعات در وب‌سایت‌های خبری و رسانه‌های اجتماعی، تجزیه و تحلیل احساسات را به یک زمینه سودمند برای یافتن نظرات عوام تبدیل کرده است. تحلیل احساس شامل ایجاد یک سامانه هوشمند برای جمع‌آوری و پی‌بردن به نظرات، احساسات و بازخوردهای انسان‌ها‌ست. دست‌یابی به نگرش ایرانیان در شروع بیماری کرونا، با کمک الگوریتم‌های تحلیل احساس، هدف اصلی این پژوهش است.</span></span></span></span></span></span></span></span><br> <span style="font-size:12.5pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span b="" mitra="" style="font-family:"><span style="color:black"><span class="latin" new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:10.0pt">روش کار:</span></b></span> <span class="latin" new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:10.0pt">روش پژوهش از نوع محاسباتی و یک زیرشاخه جدیدتر از پردازش زبان طبیعی به نام تحلیل احساس است. داده‌ها از نظرات کاربران در دو وب‌سایت خبری پر مخاطب کشور، ایسنا و فارس نیوز، مرتبط با اخبار بیماری کووید19-، در بازه‌ زمانی اوایل اسفند ماه 1398 تا خرداد ماه 1399 جمع‌آوری شد. تعداد داده‌های جمع‌آوری شده در این پژوهش 500 خبر می‌باشد که متناسب با اخبار نظرات کاربران نیز جمع‌آوری شد که تعداد نظرات کاربران نیز نزدیک به 300‌ کاربر می‌باشد. برای تجزیه و تحلیل نظرات کاربران، از تکنیک‌ها و ابزارهای یادگیری ماشین مانند الگوریتم درخت تصمیم برای طبقه‌بندی احساسات مثبت‌ و منفی استفاده شد. بدین صورت که از کلمات با بار احساسی منفی و مثبت برای تحلیل نظر کاربران استفاده شد. جمع‌آوری و پیش‌پردازش داده‌ها با استفاده از زبان برنامه‌نویسی پایتون وکتابخانه‌های موجود آن انجام گردید. </span></span></span></span></span></span></span></span><br> <span style="font-size:12.5pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span b="" mitra="" style="font-family:"><span style="color:black"><span class="latin" new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:10.0pt">یافته ها:</span></b></span><span class="latin" new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:10.0pt"> نگرش منفی نسبت به کووید19- در شروع همه‌گیری، در کاربران خبرگزاری فارس نیوز 21 و در کاربران ایسنا 17 درصد بود. یعنی نزدیک به 80 درصد از کاربرانی که نظرات خود را منعکس کرده بودند، نگرش خوشبینانه و سهل‌گیرانه درباره بیماری داشتند</span></span><span lang="FA" style="letter-spacing:.15pt">.</span></span></span></span></span></span></span><br> <span style="font-size:12.5pt"><span style="line-height:17pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span b="" mitra="" style="font-family:"><span style="color:black"><span class="latin" new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:10.0pt">نتیجه گیری:</span></b></span><span class="latin" new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:10.0pt"> ممکن است یک علت شیوع و تلفات زیاد کووید19- در ایران در ابتدا، نگرش اشتباه و ناآگاهی عوام جامعه نسبت به آن باشد، چرا که برخلاف کشورهای دیگر جهان، مردم ایران در شروع همه‌گیری کووید19-، نسبت به بیماری و مشکلات آن با کلمات دارای بار مثبت اعم از شادی، خوشبینی، سهل‌گیری و بی‌توجهی یاد کرده‌اند.</span></span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:12pt"><span style="line-height:13pt"><span irmitra="" style="font-family:"><span style="color:black"><span style="font-weight:bold"><span style="font-family:IRMitra">Abstract</span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="line-height:13pt"><span irmitra="" style="font-family:"><span style="color:black"><span style="font-weight:bold"><span style="font-family:IRMitra">Background: </span><span class="latin" new="" roman="" style="font-family:" times=""><span style="font-size:10.0pt"><span style="font-weight:normal">Increasing information on news websites and social media has made sentiment analysis a useful field for finding people&#39;s opinions. Sentiment analysis includes creating a smart system for gathering and discovering human ideas, feelings, and feedback. Finding Iranian people&rsquo;s attitudes to the COVID-19 at the start of epidemics using sentiment analysis algorithms was the main goal of this research.</span></span></span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="line-height:13pt"><span irmitra="" style="font-family:"><span style="color:black"><span style="font-weight:bold"><span style="font-family:IRMitra">Methods:</span><span class="latin" new="" roman="" style="font-family:" times=""><span style="font-size:10.0pt"><span style="font-weight:normal"> The research method is computational and is a newer subfield of natural language processing called sentiment analysis. Data was gathered from coronavirus-related user comments of ISNA and Fars news, two popular Iranian news agencies, from February to May 2020. News item numbers collected in this research was 500, which was also collected according to the news of users&#39; opinions, and the number of users&#39; opinions was also close to 300. To analyze user comments, machine learning techniques and tools such as the decision tree algorithm were used to classify positive and negative emotions. In this way, words with negative and positive emotional loads were used to analyze the opinion of users. Machine learning tools and techniques were used for the analysis of user opinions to categorize feelings into positive and negative. Data gathering and preprocessing were done with Python programming language and its associate libraries.</span></span></span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="line-height:13pt"><span irmitra="" style="font-family:"><span style="color:black"><span style="font-weight:bold"><span style="font-family:IRMitra">Results: </span><span class="latin" new="" roman="" style="font-family:" times=""><span style="font-size:10.0pt"><span style="font-weight:normal">Negative attitude to COVID-19 at the start of pandemics was 21% in Fars news agency and 17% in ISNA. It means that near to 80 percent of the commenting users were optimistic and careless about the disease.</span></span></span></span></span></span></span></span><br> <span lang="EN-GB" style="font-size:11.0pt"><span style="line-height:106%"><span style="font-family:IRMitra">Conclusion:</span></span></span><span class="latin" new="" roman="" style="font-family:" times=""><span style="font-size:10.0pt"><span style="line-height:106%"> Maybe one reason for the high epidemics and mortality of COVID-19 in Iran at the beginning refers to the wrong attitude and knowledge of the disease. Unlike other countries in the world, Iranian people have spoken with positive words such as happiness, optimism, ease, and inattention about the disease and its problems</span></span></span> بیماری کرونا, ویروس کرونا, طبقه‌بندی احساسات, تحلیل‌ احساسات, وب‌سایت‌های داخلی ایران COVID-19, Coronavirus, Emotion Classification, Sentiment Analysis, Iranian Internal Websites. 135 142 http://jmciri.ir/browse.php?a_code=A-10-1-2703&slc_lang=fa&sid=1 Somayeh Kanani سمیه کنعانی 10031947532846006922 10031947532846006922 No MSC student in Computer Engineering, Faculty of Engineering, University of Kurdistan, Sanandaj, Iran دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران Sadegh Sulaimany صادق سلیمانی 10031947532846006923 10031947532846006923 Yes Assistant Professor of Computer Engineering, Faculty of Engineering, University of Kurdistan, Sanandaj, Iran دانشگاه کردستان، سنندج، ایران