محمد فرهادی شاد - دانشجوی کارشناسی ارشد، دانشگاه رازی کرمانشاه
محمد کاظمی فرد - استادیار گروه مهندسی کامپیوتر، دانشگاه رازی کرمانشاه
زهرا رضائی - استادیار پژوهشکده آمار و فناوری اطلاعات، پژوهشگاه قوه قضاییه

در عصر حاضر با توسعه ی فناوری های دیجتال و دسترسی افراد به منابع اطلاعاتی و تغییرات اقتصادی، اجتماعی، پرونده های قضایی رشد چشمگیری داشته است. احکام صادره قضات بایستی بی طرفانه و مبتنی بر عدالت باشد اما آنچه به صورت معمول اتفاق می افتد قضاوت براساس دانش، تجربه، شخصیت و احساسات خود قضاوت می کنند. با افزایش تعداد پرونده ها، بررسی اسناد و شواهد به صورت دقیق دشوار است و ممکن است قضاوت ها ذهنی تر شده و عواملی چون احساسات نقش بیشتری در حکم صادره داشته باشند. در این پژوهش به تجزیه و تحلیل احساسات در پرونده های مرتبط با خرید، نگهداری، مخفی کردن یا حمل مواد مخدر، به عنوان یکی از عوامل احتمالی موثر در شدت حکم صادره، در مجازات های شلاق، جریمه نقدی و حبس، با استفاده از تکنیک های یادگیری ماشین و یادگیری عمیق، به منظور مدل سازی پرداخته شده است. داده های مورد تحلیل، اسناد ۶۰۰۰ پرونده قضایی است که پس از فاز پیش پردازش، با استفاده از پیکره احساسات و هیجانات NRC گرایش مثبت یا منفی و نوع احساسات موجود در پرونده ها بررسی و نمره گذاری شده است. سپس با استفاده از روش های یادگیری ماشین، یادگیری جمعی و یادگیری عمیق، مدلسازی تحلیل احساسات انجام شد. نتایج نشان می دهد که روش TFIDF + SVM بیشترین دقت و پس از آن روش Skipgram + LSTM + CNN و سپس الگوریتم TFIDF + Adaboost بیشترین دقت را در پیش بینی احساسات داشتند.

تجزیه و تحلیل احساسات، پرونده های قضایی، مواد مخدر، یادگیری عمیق، یادگیری ماشین