مدلی برای طبقه بندی متون تجارت اجتماعی با استفاده از یادگیری عمیق

با گسترش روزافزون تجارت برخط، حجم زیادی از داده های مرتبط با این فعالیت ها به صورت روزمره در شبکه هایاجتماعی در حال تولید و به اشتراک گذاری است که تحلیل و پردازش آنها می تواند کاربردهای بسیاری در بهبود و تقویتتجارت اجتماعی داشته باشد. یکی از این نوع پردازش ها، طبقه بندی متون تجارت اجتماعی است که در مواردی مانندمدیریت بهتر تجربیات مشتریان، تولید تبلیغات برخط و افزایش میزان تقاضای مشتریان اثرات ویژهای دارد. در این راستا،در این مقاله مدلی برای طبقه بندی متون تجارت اجتماعی با استفاده از یادگیری عمیق و به کمک مدل های زبانیپیش آموز مربوطه ارائه شده است. این مدل ابتدا به کمک مدل زبان پیش آموز بردار ویژگی متن را به دست آورده و سپساز آن برای طبقه بندی صحیح متن مربوطه استفاده می کند. نتایج حاصل از اجرای مدل پیشنهادی بر روی مجموعهداده های مرجع نشان می دهند، الگوریتم طبقه بندی معرفی شده در این مدل کیفیت مناسبی در طبقه بندی متون تجارتاجتماعی داشته به طوری که میانگین شاخص دقت مدل ۰/۷۲۵ و میانگین شاخص بازیابی آن ۰/۷۰۸ است.

کلیدواژه ها:

طبقه بندی متن ، تجارت اجتماعی ، یادگیری عمیق ، پردازش زبان طبیعی ، یادگیری ماشین