مروری بر روشهای تشخیص احساسات از روی متنهای فارسی

تشخیص احساسات از روی متنهای فارسی با توجه به پیچیدگیهای زبانی و کمبود داده های برچسب خورده یکی از حوزه های چالش برانگیز در پردازش زبان طبیعی است. روش های سنتی مانند مدل های مبتنی بر قانون و یادگیری ماشین کلاسیک به دلیل محدودیت در یادگیری ویژگی های پیچیده عملکرد ضعیف تری دارند. در مقابل مدل های پیش آموخته مبتنی بر یادگیری عمیق مانند WassBERT و ParsBERT به دلیل توانایی درک زمینه متن و آموزش بر روی داده های بزرگ دقت و فراخوانی بالاتری در تشخیص احساسات از متن های فارسی نشان داده اند. چالش هایی مانند کمبود داده های برچسب خورده، عدم تعادل کلاس ها و پیچیدگی های زبانی با روش هایی مانند نمونه گیری مجدد و وزن دهی کلاس ها و ترکیب مدل ها تا حدی برطرف شده اند. کاربردهای این فناوری در حوزه هایی مانند بازاریابی، سلامت روان و تحلیل شبکه های اجتماعی گسترده است. در این مقاله قصد داریم مروری بر جدیدترین پژوهش ها در حوزه تشخیص احساسات از روی متن های فارسی انجام داده، مهم ترین نقاط قوت، ضعف و زمینه های بازپژوهشی را ارائه دهیم. جهت گیری های آینده شامل توسعه مدل های چندزبانه، بهبود پردازش داده های نامتوازن و استفاده از روش های ترکیبی برای افزایش دقت و کارایی سیستم های تشخیص احساسات است.

کلیدواژه ها:

پردازش زبان طبیعی ، شبکه های اجتماعی ، مدل های پیش آموخته ، یادگیری عمیق