تحلیل احساسات در متون خبری آنلاین با استفاده از تکنیک های یادگیری ماشین

تجزیه و تحلیل احساسات یکی از روشهای پردازش زبان طبیعی است که به استنباط لحن یا احساس درون دادههای متنی می پردازد. از جمله اهداف تحلیل احساسات، توانمندسازی کامپیوترها برای شناسایی و بیان عواطف انسان است . الگوریتم های یادگیری ماشین اغلب برای طبقه بندی و پیش بینی اینکه یک سند متنی نشاندهنده احساس مثبت است یا منفی مفید هستند. در این مقاله به پردازش و طبقه بندی دادههای متنی با استفاده از روشهای یادگیری ماشین پرداخته می شود که دستیابی به بینشی بهتر و عمیق تر را به دنبال دارد و تجزیه و تحلیل آنها می تواند در سیستم های تصمیم گیری کمکی و طراحی و اجرای برنامه ها و سیاست های لازم، بسیار کاربردی و مفید باشد. الگوریتم های طبقه بندی مختلف از جمله نایوبیز، ماشین بردار پشتیبان، جنگل تصادفی و همچنین شبکه های عصبی MLP و حافظه طولانی کوتاهمدت دوطرفه ، جهت دسته بندی احساسات در مجموعه داده NewsMTSC که شامل مقالات خبری آنلاین است ، مورد استفاده قرار می گیرند. با توجه به شاخص های ارزیابی محاسبه شده، مدل حافظه طولانی کوتاهمدت دوطرفه عملکرد قابل ملاحظه ای نسبت به سایر مدل ها داشته است .

کلیدواژه ها:

تحلیل احساسات ، طبقه بندی ، مقالات خبری ، شبکه عصبی ، حافظه طولانی کوتاه مدت دوطرفه