تشخیص طعنه در شبکه اجتماعی ایکس با استفاده از LSTM-RNN

در دنیای پر از افراد طعنه زن، تشخیص طعنه با استفاده از تحلیل احساسات به یکی از چالش های مهم قرن بیست و یکم تبدیل شده است. این توانایی به ما کمک می کند تا حقیقت تلخی که در پس جملات ظاهرا شیرین و زیبا پنهان است، آشکارشود. تشخیص طعنه به طور گسترده ای در شبکه های اجتماعی برای درک نظرات واقعی کاربران و اتخاذ اقدامات مناسب، در صورت نیاز، به کار می رود. تاکنون، روش ها، تکنیک ها و الگوریتم های مختلفی برای این منظور مورد استفاده قرار گرفته اند که هر یک مزایا و معایب خاص خود را دارند. برای مثال، الگوریتم هایی مانند رگرسیون لجستیک برای تشخیص طعنه به کار گرفته شده اند، اما این الگوریتم ها با محدودیت هایی مواجه هستند، از جمله اینکه نمی توانند به خوبی با مجموعه داده های پیوسته کار کنند. در این مقاله، ما به بررسی رویکردی می پردازیم که دقت بیشتری دارد و عملکرد بهتری ارائه می دهد. برای آموزش مدل پیشنهادی، از مجموعه داده هایی شامل توییت های طعنه آمیز و غیر طعنه آمیز در شبکه ایکس (توییتر سابق) استفاده کرده ایم. بهره گیری از شبکه های عصبی بازگشتی (LSTM) و تکنیک های جاسازی واژه ها می تواند فرآیند تشخیص طعنه را بهبود بخشیده و طبقه بندی جملات توییتری را به طور موثرتری انجام دهد.

کلیدواژه ها:

طعنه ، RNN ، LSTM ، توییت ، پردازش زبان طبیعی