یک مدل عمیق CNN-BiLSTM مبتنی بر مکانیزم توجه برای تحلیل احساسات نظرات کاربران در رسانه های اجتماعی

هدف از تحلیل احساسات، تعیین جهتی برای بیان دیدگاه و نظرات کاربران و مشاهده وضعیت عمومی با توجه به هوش اقتصادی، سنجش رضایت مشتری، پیش بینی فروش فیلم و موارد دیگر می باشد. همچنین تجزیه و تحلیل احساسات، به عنوان یکی از زمینه های پردازش زبان طبیعی شناخته می شود. هدف از این پژوهش، ارائه رویکردی جدید برای تجزیه و تحلیل احساسات و تشخیص قطبیت نظرات کاربران رسانه های اجتماعی با استفاده از الگوریتم های یادگیری عمیق است.در این مطالعه با استفاده از تلفیق شبکه های CNN و Bi-LSTM و با به کارگیری مکانیزم توجه مدلی پیشنهاد می شودکه از CNN برای استخراج ویژگی متن و از شبکهBi-LSTM برای طبقه بندی احساسات استفاده می کند. مکانیزم توجه نیز می تواند بر بخش های مهم یک دنباله تمرکز کرده و در نتیجه کارایی شبکه های عصبی را در کارهای مختلف از جمله تجزیه و تحلیل احساسات، ترجمه ماشینی و تشخیص گفتار افزایش دهد. نتایج بدست آمده نشان می دهد که روش پیشنهادی، دقت بالاتر و پیچیدگی کمتری برای تعیین قطبیت نظرات کاربران در رسانه های اجتماعی نسبت به روش های موجود در تحقیقات اخیر دارد.

کلیدواژه ها:

تحلیل احساسات ، یادگیری عمیق ، CNN ، Bi-LSTM ، مکانیزم توجه ، رسانه های اجتماعی