مدل سازی موضوعی متنی بر روی ریز نوشته های رسانه های اجتماعی فارسی

ظهور رسانه های اجتماعی فرصت های فزاینده ای برای اشتراک افکار کاربران فراهم می کنند. روزانه میلیاردها ریزنوشته در رسانه های اجتماعی تولید می شود که تحلیل آن ها در حوزه متن کاوی و تحلیل محتوا امری ضروری است. استخراج موضوعات دقیق از ریزنوشته ها در مقیاس بزرگ کاری مهم و چالش برانگیز است. مطالعات اندکی در زمینه تشخیص موضوع در ریزنوشته های فارسی انجام شده است و الگوریتم های موجود قابل توجه نیستند. ازاین رو بر آن شدیم در حوزه تشخیص موضوع در زبان فارسی به مطالعه بپردازیم. مدل سازی موضوعی از روش های تشخیص موضوع است که گروه هایی از کلمات را به عنوان موضوع از اسناد استخراج می کنند. اخیرا مدل های موضوع عصبی بهبودهایی برای افزایش انسجام مدل سازی موضوعی نشان داده است. همچنین، تعبیه های متنی مدل های عصبی را ارتقا داده اند. بدین سبب، در این تحقیق دو مدل موضوعی متنی ترکیبی و مدل موضوعی متنی ZeroShot برای استخراج موضوع در ریزنوشته های شبکه های اجتماعی فارسی ارائه شده است. این دو مدل بازنمایی متنی از پیش آموزش دیده شده BERT فارسی را در مدل های موضوع عصبی گنجانده اند. نتایج آزمایش ها نشان می دهد که این دو روش نسبت به روش های مورد مقایسه با بالاترین مقدار F۱-Measure ، تنوع موضوع و امتیاز انسجام بالا بهترین عملکرد را از خود نشان می دهند. همچنین مدل موضوعی متنی ZeroShot نسبت به مدل موضوعی متنی ترکیبی نتایج بهتری از لحاظ معیارهای ارزیابی داشته است.

کلیدواژه ها:

مدل سازی موضوع ، ریزنوشته ، رسانه اجتماعی ، تشخیص موضوع ، تعبیه متن