چارچوبی برای تحلیل احساسات داده های متنی و شکلک ها در شبکه های اجتماعی

امروزه افراد به منظور افزایش احساس خود در متن یا خلاصه کردن عبارات ،از شکلک ها استفاده می کنند، تکنیک های قبلی یادگیری ماشین فقط شامل طبقه بندی متن، شکلک یا تصاویر، به تنهایی بوده است، جایی که شکلک ها با متن اکثر اوقات نادیده گرفته شده است. تحقیقات نشان می دهد یادگیری عمیق به ندرت در تحلیل احساسات بر روی ترکیب داده های متن و شکلک اعمال شده است. بنابراین، این مقاله متن و شکلک ها را به طور جداگانه و به صورت ترکیبی برای یافتن احساسات، تجزیه وتحلیل کرده است. بدین صورت که ابتدا یک تجزیه وتحلیل مقایسه ای از شبکه های عصبی کانولوشنی و شبکه های حافظه طولانی کوتاه مدت انجام می گردد، که جهت افزایش دقت تعبیه کلمات، بردارهای تعبیه کلمات از قبل آموزش دیده word۲vec، glove، BERT و RoBERTa مورداستفاده قرار گرفته است. سپس یک مدل ترکیبی مبتنی بر توجه ارائه می گردد که از شبکه های عصبی کانولوشنی و شبکه های حافظه طولانی کوتاه مدت دوطرفه استفاده می کند. نتایج نشان می دهد که درنظر گرفتن شکلک ها به عنوان ویژگی، سبب افزایش دقت مدل شده است، همچنین مدل پیشنهادی بر اساس چهار معیار ارزیابی دقت، صحت، فراخوانی و امتیاز f۱ از مدل های پایه و کارهای قبلی بررسی شده، بهتر عمل کرده، که دقت مدل پیشنهادی بر روی مجموعه داده بدون شکلک ۸۰/۸۵ بوده و برای مجموعه داده شامل شکلک ۱۸/۹۰ است.

کلیدواژه ها:

تجزیه وتحلیل احساسات ، عقیده کاوی ، پردازش زبان طبیعی ، یادگیری عمیق