پیش بینی تشخیص احساسات از داده های توییتر با استفاده از یادگیری ماشین و شبکه عصبی

تشخیص احساسات با توجه به رقابت محصولات، تصمیمات سیاسی و امور درمانی از اهمیت ویژه ای برخوردار است. در این پژوهش از مجموعه داده های توییتر استفاده شده است. هدف اصلی این فرآیند شناسایی و طبقه بندی احساسات کاربران به سه دسته اصلی یعنی مثبت، منفی و خنثی است.برای این کار، از تکنیک های پردازش زبان طبیعی و یادگیری ماشین و شبکه عصبی استفاده می شود. داده های توییتر به دلیل حجم بالای اطلاعات و تنوع موضوعات، منبع غنی برای این گونه تحلیل ها هستند. بدین منظور، ابتدا لازم است داده ها جمع آوری و پیش پردازش شوند. سپس با استفاده از مدل های مختلف قابل آموزش، مثل شبکه های عصبی و الگوریتم های یادگیری ماشین احساسات تجزیه و تحلیل می شوند. نتایج این تحقیقات می تواند به کسب و کارها کمک کند تا درک بهتری از نظرها و احساسات کاربران نسبت به محصولات و خدمات خود داشته باشند و به سیاست گذاران در نظارت بر نظرات عمومی و شناسایی روندهای اجتماعی یاری رساند. به علاوه، تشخیص احساسات می تواند در مباحث مربوط به تحلیل بحران، بازاریابی و تحقیقات اجتماعی نیز کاربرد داشته باشد. در مرحله بعد پس از اجرای روش های مختلف بهترین روش انتخاب می شود و با بهبود پارامتر و تنظیم پارامترهای الگوریتم عملکرد الگوریتم بهبود می یابد. نتایج نشان می دهدکه شبکه های عصبی کانوولوشنی با دقت %۹۸ بهترین عملکرد را از میان روش های موجود دارد.

کلیدواژه ها:

تشخیص احساسات ، یادگیری ماشین ، شبکه عصبی