ترکیب نظارت از راه دور و انتخاب نمونه برای شناسایی تغییر دهنده های قطبیت در تحلیل احساسات

تحلیل احساسات حوزه ای از تحقیقاتی است که به شناسایی و بررسی نگرش ها و احساسات نهفته در متون می پردازد. اصلی ترین وظیفه تحلیل احساسات تعیین قطبیت متون با هدف طبقه بندی آنها در سه گروه، مثبت، منفی و خنثی می باشد. یکی از چالش های تحلیل احساسات تغییر قطبیت است. تغییر قطبیت به یک پدیده زبانی اشاره دارد که براساس آن قطبیت نوشته توسط برخی ساختار های خاص زبانی تغییر می کند. از انواع مختلف تغییر قطبیت می توان به نفی صریح، تشدید کننده ها و تضعیف کننده ها اشاره کرد. تمرکز این مقاله بر دسته اول یعنی معکوس کننده های قطبیت است. تشخیص و شناسایی تغییر دهنده های قطبیت در متن کاری دشوار و چالش برانگیز است. پژوهش های اندکی در زمینه شناسایی تغییر دهنده های قطبیت انجام شده اند که به طور کلی به دو دسته روش های مبتنی بر قاعده و روش های یادگیری ماشین تقسیم می شوند. مطالعه تحقیقات انجام شده در زمینه شناسایی تغییر دهنده های قطبیت نشان می دهد که در مجموع روش های یادگیری با نظارت به دقت بالاتری در مقایسه با روش های مبتنی بر قاعده دست یافته اند. با این وجود روش های با نظارت نیازمند یک مجموعه آموزش از متون و جملات دارای برچسب تغییر قطبیت هستند و دقت و کارایی این روش ها به شدت وابسته به کمیت و کیفیت این مجموعه آموزش است. این در حالی است که ساخت دستی و دقیق یک مجموعه آموزش امری زمان بر و طاقت فرسا است. برای حل این مشکل روش های نظارت از راه دور با ایده بکارگیری دانش موجود در منابع مختلف برای ساخت خودکار مجموعه آموزش مطرح شده است. با این وجود ساخت خودکار مجموعه آموزش همواره با نمونه های خطا و اشتباه همراه است که می تواند بر کارایی الگوریتم های یادگیری ماشین تاثیر گذار باشد. در این مقاله با الهام از ایده نظارت از راه دور و با بکارگیری همزمان نشانه های متن شامل قطبیت، کلمات شکلک و هشتگ روشی برای ساخت خودکار یک مجموعه از جملات و عبارات دارای برچسب تغییر قطبیت معرفی می گردد. بکارگیری همزمان کلمات، متن شکلک و هشتگ می تواند مشکل تنکی متن به ویژه برای نوشته های موجود در شبکه های اجتماعی که معمولا کوتاه هستند و نویسنده برای بیان منظور خود اغلب از شکلک یا هشتگ استفاده می کند را تا حد زیادی حل کند. با این وجود ساخت خودکار نمونه های آموزشی می تواند با خطا همراه باشد. به منظور حل مشکل نمونه های خطا و اشتباه روشی مبتنی بر اتوماتای یادگیر برای انتخاب نمونه های موثر و حذف نمونه های اشتباه پیشنهاد می شود. انتخاب نمونه یکی از تکنیک های کاهش داده می باشد که به دنبال انتخاب زیر مجموعه ای با کیفیت از کل داده های موجود و حذف نمونه های نویز و زائد است. در روش پیشنهادی برای انتخاب نمونه هر نمونه از داده ها به یک اتوماتای یادگیر با دو عمل مجهز است که انتخاب یا عدم انتخاب نمونه متناظر برای قرار گرفتن در زیر مجموعه کاهش یافته را مشخص می کند. هر تکرار از الگوریتم منجر به یک راه حل و تولید یک زیر مجموعه از نمونه های آموزشی می شود. با توجه به ارزش راه حل بدست آمده از هر تکرار بردار احتمالات اتوماتای یادگیر بروز می شود. این روند به دفعات تکرار می شود و در خاتمه الگوریتم بهترین راه حل بدست آمده به عنوان خروجی الگوریتم برگردانده می شود که نشان دهنده نمونه های انتخاب شده برای مجموعه کاهش یافته نهایی است. دلیل استفاده از اتوماتای یادگیر برای انتخاب نمونه سادگی ساختار عدم سربار محاسباتی امکان موازی سازی و موفقیت آمیز بودن عملکرد آن در کاربردهای مشابه مانند انتخاب ویژگی است. نتایج آزمایش های انجام شده نشان می دهد که روش پیشنهادی برای انتخاب نمونه در مقایسه با روش های پایه انتخاب نمونه به دقت بالاتری دست یافته است. همچنین ترکیب روش پیشنهادی برای انتخاب نمونه با ایده نظارت از راه دور برای ساخت خودکار مجموعه آموزش در مقایسه با روش های پیشین شناسایی تغییر دهنده های قطبیت نتایج بهتری را تولید می کند.

کلیدواژه ها:

تحلیل احساسات ، تغییر دهنده های قطبیت ، نظارت از راه دور ، انتخاب نمونه ، اتوماتای یادگیر