تحلیل و بررسی تعیین حالات روحی از روی متون با استفاده از الگوریتم تکاملی رقابت استعماری
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 117
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSCIT-10-1_002
تاریخ نمایه سازی: 25 مهر 1403
چکیده مقاله:
چکیده- هدف از پژوهش حاضر متن کاوی جهت پی بردن به حالت روحی افراد در تایپ متون است. در این پژوهش از ۱۴۶۴۰ توئیت در رابطه با خطوط هوایی جهت تحلیل احساسات در سه دسته ی مثبت، منفی و خنثی استفاده شده است. طرح پیشنهادی جدید دارای سه مرحله اصلی است. در مرحله اول پیش پردازشی به منظور آماده سازی پایگاه داده انجام می گیرد. در مرحله دوم با استفاده از الگوریتم رقابت استعماری کلمات اصلی را از بین تمامی کلمات موجود استخراج می شود. منظور از کلمات اصلی کلماتی هستند که بیشترین تاثیر را برای دسته بندی دارند. سپس با استفاده از یک شبکه ی عصبی پیچشی اقدام به استخراج ویژگی های مناسب صورت می گیرد. سپس درمرحله آخر با استفاده از یک شبکه ی عصبی پرسپترون چندلایه (MLP) طبقه بندی انجام می گیرد. در روش پیشنهادی جدید، برخلاف روش های مرسوم که کلمات بعد از پیش پردازش به مرحله ی بعد راه پیدا می کنند، با استفاده از الگوریتم رقابت استعماری از میان تمامی این کلمات ،کلمات اصلی را استخراج می کنیم که این کار خود سبب کاهش قابل توجهی از حجم کلمات ورودی می شود. طرح پیشنهادی جدید در آزمایش تجربی توانست به پارامترهای دقت ۰/۹۹۰، صحت ۰/۹۸۳ و فراخوانی ۰/۸۷۵ برسد. این نتایج نشان دهنده ی برتری طرح پیشنهادی این مقاله در مقایسه با سایر روش های قبلی می باشد.
کلیدواژه ها:
واژه های کلیدی: داده کاوی ، متن کاوی ، تحلیل احساسات ، شبکه های عصبی ، شبکه عصبی پیچشی ، الگوریتم رقابت استعماری
نویسندگان
Bahareh Golestanifar
گروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه رازی، کرمانشاه، ایران
Abdolah Chalechale
گروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه رازی، کرمانشاه، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :