به کارگیری تکنیک های پردازش زبان طبیعی جهت مدل سازی رویدادهای سیاسی با استفاده از شبکه های عصبی عمیق

امروزه به دلیل گستردگی شبکه های اجتماعی و افزایش تعداد کاربران آن ها، استفاده از اطلاعات این شبکه ها به یکی از مسائل روز و بسیار مهم در زمینه های گوناگون تبدیل شده است. استفاده از تکنیک های پردازش زبان طبیعی برای تحلیل های سیاسی می تواند یکی از راه های موثر در پیشبرد اهداف جوامع مختلف در حوزه سیاست باشد.در این پژوهش برای پیش بینی گرایش سیاسی کاربران از یک مدل پیشنهادی یادگیری عمیق و دادگان متنی توییت های ارسال شده، استفاده شده است. هدف، ارائه یک مدل مناسب با دقت بالا جهت پیش بینی نتایج آرا برای دو زبان فارسی و انگلیسی می باشد. رویکرد پیشنهادی روی مجموعه داده جمع آوری شده به دو زبان فارسی و انگلیسی از شبکه اجتماعی توییتر مورد آزمایش و بررسی قرار گرفته و نتایج بدست آمده با نتایج روش های موجود مقایسه شده است. مدل پیشنهادی از یک شبکه عصبی عمیق کانولوشن با حافظه کوتاه مدت طولانی CNN-BiLSTM تشکیل شده است به گونه ای که به طور همزمان هم ارتباط معنایی متن را آموزش ببیند و هم از مزیت های شبکه های عمیق CNN و BiLSTM استفاده کند. الگوریتم پیشنهادی برای دادگان فارسی به دقت ۸۴.۵ درصد و برای دادگان انگلیسی به دقت ۹۶.۱۸ درصد دست یافته است.

کلیدواژه ها:

یادگیری عمیق ، گرایش سیاسی کاربران ، توییتر ، پردازش زبان طبیعی