ارایه یک مدل هوشمند به منظور تشخیص چندوجهی شخصیت کاربران با استفاده از روش های یادگیری ژرف

با توجه به رشد قابل توجه اطلاعات و داده های متنی که توسط انسان ها در شبکه های مجازی تولید می شوند، نیاز به سیستم هایی است که بتوان به کمک آن ها به صورت خودکار به تحلیل داده ها پرداخت و اطلاعات مختلفی را از آن ها استخراج کرد. یکی از مهم ترین داده های متنی موجود در سطح وب دید گاه های افراد نسبت به یک موضوع مشخص است. متن های منتشرشده توسط کاربران در فضای مجازی می تواند معرف شخصیت آن ها باشد. الگوریتم های یادگیری ماشین می تواند انتخاب مناسبی برای تجزیه و تحلیل این گونه مسائل باشند، اما به منظور غلبه بر پیچیدگی و پراکندگی محتوایی و نحوی داده ها نیاز به الگوریتم های یادگیری ژرف بیش از پیش در این حوزه احساس می شود. در این راستا، هدف این مقاله به کارگیری الگوریتم های یادگیری ژرف به منظور دسته بندی متون برای پیش بینی شخصیت می باشد. برای رسیدن به این هدف، شبکه عصبی کانولوشنی با مدل آدابوست به منظور دسته بندی داده ها ترکیب گردید تا بتوان به کمک آن داده های آزمایشی که با خطا دسته بندی شده اند را در مرحله دوم دسته بندی با اختصاص ضریب آلفا، با دقت بالاتری دسته بندی کرد. مدل پیشنهادی این مقاله روی دو مجموعه داده ایزیس و یوتیوب آزمایش شد و بر اساس نتایج بدست آمده مدل پیشنهادی از دقت بالاتری نسبت به سایر روش های موجود روی هر دو مجموعه داده برخودار است.

کلیدواژه ها:

یادگیری ژرف ، شبکه عصبی کانولوشنی ، مدل ترکیب آدابوست ، تشخیص شخصیت ، داده های متنی.