تحلیل احساسات سطح جنبه با رویکرد یادگیری عمیق

تجزیه وتحلیل احساسات یکی از زمینه های پردازش زبانطبیعی است که طی آن، عواطف و احساسات کاربران با هدف تعیین نگرشگوینده، از متن استخراج می شود. اخیرا استفاده از یادگیری عمیق برایتحلیل احساسات به یکی از زمینه های تحقیقاتی مطرح مبدل گشته است.روش های یادگیری عمیق در زمینه تحلیل احساسات موفق عمل کرده اند، بااین وجود هر یک از مدل های یادگیری عمیق عملکرد متفاوتی دارند. بهعنوان مثال، مدل پیچشی برای استخراج ساختارهای محلی از داده ها مفیداست و روش های برگشتی امکان حفظ اطلاعات در دنباله ای از داده ها رافراهم می کنند. به منظور ترکیب مزایای مدل های مختلف، در این مقاله روشجدیدی جهت تحلیل احساسات جنبه محور ارائه شده است که از یادگیریگروهی بر مبنای مدل های یادگیری عمیق بهره می برد. در این روش، ابتداچهار مدل یادگیری عمیق یعنی BiLSTM, LSTM, CNN و GRUایجاد شده و سپس خروجی این سیستم ها با رویکرد Stacking از طریقیک مدل رگرسیون لجستیک با هم ترکیب می شوند. نتایج حاصل از اعمالروش پیشنهادی بر روی مجموعه داده های واقعی نمایانگر آن است که روشپیشنهادی در مقایسه با روش های یادگیری عمیق پایه، دقت پیش بینی سطحجنبه را ۵ % الی ۱۰ % افزایش داده است.

کلیدواژه های تحلیل احساسات سطح جنبه با رویکرد یادگیری عمیق:

پردازش زبان طبیعی ، تجزیه وتحلیل احساسات ، عقیده کاوی ، یادگیری عمیق ، یادگیری گروهی