0% Complete
صفحه اصلی
/
ورود به سیستم
/
سوالات متداول
/
تماس با ما
صفحه اصلی
/
هفتمین کنفرانس ملی و اولین کنفرانس بین المللی محاسبات توزیعی و پردازش داده های بزرگ
تعیین قطبیت جمله در تحلیل احساسات مبتنی بر الگوریتم یادگیری عمیق LSTM
Determining sentence polarity in Sentiment analysis based on LSTM deep learning algorithm
نویسندگان :
نرجس چاوش ( گروه مهندسی کامپیوتر، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران ) , سیما عمادی ( گروه مهندسی کامپیوتر، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران )
کلید واژه ها :
تجزیه و تحلیل احساسات،یادگیری عمیق،LSTM،تعبیه گذاری کلمات،Word2vec
چکیده مقاله :
جهان امروز با رشد سبک جدیدی از ارتباطات، امکان تعامل افراد با شخصیتهای گوناگون را امکان پذیر نموده است. استفاده از حجم انبوه نظرات منتشرشده توسط افراد در فضای مجازی با مشکلات زیادی روبرو بوده و کاربرد تکنیکهای علمی نوین در این راستا ضرورتی اجتناب ناپذیر است. یکی از تکنیکهای نوین به منظور تعیین قطبیت جمله در تحلیل احساسات مبتنی بر الگوریتمهای یادگیری عمیق است. از آنجایی که مطالعات نشان داده است استفاده از این تکنیکها در زمینه تحلیل احساسات منجر به نتایج دقیق تر در تعیین قطبیت جملات بعنوان یکی از چالشهای مهم در تحلیل احساسات می باشد. لذا در این تحقیق به منظور تعیین قطبیت نظرات متنی از الگوریتم یادگیری عمیق LSTM استفاده شده است تا بتوان به نتایج دقیق تری دست یافت. همچنین در روش پیشنهادی از روش تعبیه گذاری کلمات از پیش آموزش داده شده ی Wordtovec برای تعیین روابط معنایی بین کلمات استفاده شد تا دقت روش پیشنهادی افزایش یابد. روش پیشنهادی بر روی دو مجموعه داده airline-tweet و IMDB ارزیابی شد. نتایج ارزیابی نشان می دهد که روش پیشنهادی بر روی مجموعه داده airline-tweet در صورت استفاده از تعبیه گذاری Wordtovec دقت 78/0 دارد. همچنین روش پیشنهادی بر روی مجموعه داده IMDB در صورت استفاده از تعبیه گذاری Wordtovec دقت 84/0 دارد.
لیست مقالات این رویداد
Samin Hamayesh
