نوع مقاله : مقاله پژوهشی

نویسندگان

• غزاله سلطانی ¹
• آمنه خدیور ²
• ندا پراویان ³

¹ گروه مدیریت ، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران

² دانشیار، گروه مدیریت ، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران

³ دانشجوی دکتری، مدیریت فناوری اطلاعات، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا ، تهران، ایران

چکیده

با گسترش اینترنت و ظهور رسانه‌های اجتماعی، شرکت‌های هواپیمایی از این بسترها برای تعامل با مشتریان بهره می‌برند. توییتر، به‌عنوان یکی از پرکاربرترین پلتفرم‌های میکروبلاگ، نقشی مهم در ارتباط میان این شرکت‌ها و مسافران دارد. این پژوهش با هدف تحلیل احساسات و موضوعات پیرامون شرکت‌های هواپیمایی ایرانی در توییتر، بر اساس ۲۸۷۶ توییت انگلیسی (آوریل ۲۰۰۸ تا مارس ۲۰۲۴) گردآوری‌شده با Playwright انجام شد. پس از پیش‌پردازش و تفسیر ۲۳۰ ایموجی با هوش مصنوعی، برچسب‌گذاری احساسی با دو رویکرد واژگانی و یادگیری ماشینی (مدل RoBERTa) صورت گرفت. در میان پنج الگوریتم، رگرسیون لجستیک با روش واژگانی و امتیاز F برابر 0.81 بهترین عملکرد را داشت. افزودن اطلاعات ایموجی‌ها دقت مدل‌ها را به‌طور معناداری بهبود بخشید. تحلیل موضوعی با LDA نشان داد «امنیت» اصلی‌ترین دغدغه کاربران است. این نتایج می‌تواند به بهینه‌سازی راهبردهای ارتباطی و خدماتی شرکت‌های هواپیمایی ایرانی کمک کند.

کلیدواژه‌ها

• تحلیل احساسات
• موضوع کاوی
• توییتر
• یادگیری عمیق
• رویکرد مبتنی بر واژگان

موضوعات

• مدیریت کسب و کار

عنوان مقاله [English]

Sentiment Analysis and Topic Modeling of Tweets about Iranian Airlines (Using ML and Language Models)

نویسندگان [English]

• Ghazaleh Soltani ¹
• ameneh khadivar ²
• neda paravian ³

¹ Department of management, Faculty of Social Sciences and Economics Alzahra University, Tehran, Iran

² Alzahra University

³ Department of management, Faculty of Social Sciences and Economics Alzahra University, Tehran, Iran

چکیده [English]

With the expansion of the internet and the emergence of social media, airlines are increasingly using these platforms to engage with customers. Twitter, as one of the most popular microblogging platforms, plays a key role in communication between airlines and passengers. This study aims to analyze sentiments and topics related to Iranian airlines on Twitter, based on 2,876 English tweets collected between April 2008 and March 2024 using Playwright. After preprocessing and interpreting 230 emojis with artificial intelligence, sentiment labeling was performed using both lexicon-based and machine learning approaches (RoBERTa model). Among the five evaluated algorithms, logistic regression with the lexicon-based method achieved the best performance, with an F-score of 0/81. Incorporating emoji information significantly improved model accuracy. Topic modeling with LDA revealed that “safety” was the primary concern of users. These findings can contribute to optimizing the communication and service strategies of Iranian airlines.

کلیدواژه‌ها [English]

• Sentiment analysis
• topic modeling
• Twitter
• deep learning
• lexicon-based approach