ارائه یک مدل یادگیری عمیق دو زبانه برای تحلیل احساسات چند وجهی در زبان فارسی

رشد سریع شبکه های اجتماعی، تجزیه و تحلیل احساسات چندوجهی را به یکی از موضوعات مهم در دنیای فناوری اطلاعات تبدیل کرده است. کاربران به صورت روزانه در چندین شبکه اجتماعی از جمله اینستاگرام و تلگرام حجم زیادی از اطلاعات حاوی احساسات و ایده های خود درباره یک موضوع را در قالب متن و تصویر تولید می کنند. برای تجزیه و تحلیل احساسات این اطلاعات، باید محتوای متن و تصویر را همزمان در نظر گرفت. در این پژوهش ما یک روش یادگیری عمیق دو زبانه برای تجزیه و تحلیل احساسات چندوجهی در زبان فارسی ارائه می دهیم. همچنین از نسخه ی کامل شده MPerInst ، به همراه در نظر گرفتن معادل انگلیسی متن های فارسی به عنوان مجموعه داده استفاده می کنیم. در روش پیشنهادی، پس از انجام پیش پردازش برای متن انگلیسی و فارسی بردارهای تعبیه شده در زبان به یکدیگر متصل شده و تبدیل به یک بردار مشترک می شوند. این بردار به عنوان ورودی به شبکه یLSTMداده می شود. همچنین پس از انجام پیش پردازش ، بردار تصاویر به شبکه یVGG۱۹داده میشود. در انتها بردار تصویر و بردار متن به یکدیگر متصل شده و تبدیل به یک بردار در فضای مشترک متن و تصویر می شوند که برای دسته بندی احساسات مورد استفاده قرار می گیرد. نتایج حاصل از پیاده سازی مدل پیشنهادی نشان داد که این مدل با دقت ۹۱ درصد عملکرد بهتری نسبت به مدل های مشابه یادگیری عمیق برای طبقه بندی احساسات چندوجهی دارد

کلیدواژه ها:

تجزیه و تحلیل احساسات چندوجهی ، شبکه های اجتماعی ، متن و تصویر ، یادگیری عمیق ، پردازش زبان طبیعی