طبقهبند سه مرحله ای پیشرفته برای تشخیص منفی گرایی و نوع حمله در کمپینهای انتخاباتی با استفاده از محورهای موضوعی پویا و تحلیل چندرسانه ای در توییت های فارسی

پژوهش حاضر به مسئله تشخیص خودکار منفیگرایی و نوع حمله (سیاسی یا شخصی) در توییترهای فارسی مرتبط با کمپینهای انتخاباتی می پردازد. بدین منظور، یک مدل ترکیبی سه مرحله ای ارائه گردید که بر مدل سازی موضوعی پویا با XLM-RoBERTa، تحلیل چندرسانه ای و بهینه سازی آستانه ابهام با یادگیری فعال استوار است. مدل بر روی مجموعه داده ای شامل ۰۰۱۵ توییت از انتخابات ریاستجمهوری ایران (۱۲۰۲) ارزیابی شد. نتایج نشان داد که روش پیشنهادی به امتیاز F۱-macro معادل ۵۸٪ در تشخیص منفیگرایی و ۲۸٪ در طبقه بندی نوع حمله دست یافت که بیانگر بهبود عملکرد نسبت به روش های پایه است.

کلیدواژه ها:

منفیگرایی کمپین ، طبقه بند سه مرحله ای ، توییت های فارسی ، محورهای موضوعی پویا ، تحلیل چندرسانه ای