کلاس بندی پیام های منتشر شده در شبکه های اجتماعی در بحران کرونا بر اساس قطبیت آن ها

بحران کرونا مردم ایران را با طیف گسترده ای از افکار و احساسات مثبت و منفی روبرو کرد. مردم این احساسات را در شبکه های اجتماعی به اشتراک می گذاشتند. شبکه های اجتماعی در دوران کرونا نقش بسیار مهمی در انتشار اطلاعات و بازتاب احساسات مردم داشته اند. بررسی این داده های شبکه های اجتماعی برای دولت ها و سازمان های بهداشت در سراسر جهان حائز اهمیت است. به همین خاطر پژوهش های زیادی به بررسی این داده ها با رویکردهای مختلف در سراسر جهان پرداختند. در این مقاله نیز به تحلیل قطبیت و کلاس بندی پیام های منتشر شده در شبکه های اجتماعی در بحران کرونا پرداخته شد. برای این منظور پیام هایی که کاربران فارسی زبان در این شبکه ها به اشتراک گذاشتند، بررسی شدند. برای کلاس بندی داده های موجود از روش های پردازش زبان طبیعی و روش های یادگیری عمیق استفاده شد. برای کلاس بندی پیام ها با محتوای مثبت و منفی، روش های یادگیری عمیق مختلفی با معماری های متفاوت (شامل شبکه های کانولوشنی، شبکه های بازگشتی عمیق با حافظه و فازی-بازگشتی عمیق با حافظه) با توجه به داده های موجود اعمال شد تا بتوانیم به بهترین نتیجه ممکن دست یابیم. بهترین نتیجه با استفاده از شبکه های عمیق کانولوشنی سه لایه به دست آمد که صحت آن ۷۲.۲۹ بود. در نهایت، یک مقایسه کلی از جنبه های مختلف، روی شبکه های استفاده شده انجام شد.

کلیدواژه ها:

شبکه های اجتماعی ، ویروس کرونا ، پردازش زبان طبیعی ، یادگیری عمیق ، قطبیت