چالش ها و راهکارهای تحلیل احساسات در شبکه های اجتماعی فارسی مروری بر نقش ایموجی ها و یادگیری عمیق

تحلیل احساسات در زبان فارسی به دلیل ویژگی های ساختاری، پیچیده تنوع در گویش های غیر رسمی و کمبود منابع برچسب گذاری شده همواره با چالش های جدی روبرو بوده است. هدف این مقاله مروری جامع بر آخرین دستاوردهای این حوزه با تمرکز ویژه بر ۱۵ پژوهش اخیر است که راهکارهای نوینی برای بهبود دقت سیستم های پردازش متن ارائه داده اند. در این مرور، ابتدا به بررسی اهمیت زیرساخت های داده ای می پردازیم؛ جایی که معرفی مجموعه داده های جدیدی مانند Exa-PSD گامی کلیدی در جهت پوشش متون شبکه های اجتماعی برداشته است. یافته ها نشان می دهد که تمرکز از روش های مبتنی بر لغت نامه به سمت مدل های عصبی پیشرفته تغییر یافته است. نقش معماری های یادگیری عمیق به ویژه مدل های بازگشتی و ترکیبی که در منابع ۱۴ و ۱۵ مورد تحلیل قرار گرفته اند در استخراج ویژگی های معنایی و مدیریت وابستگی های طولانی در متن بسیار تعیین کننده ارزیابی شده است. این مطالعه با تحلیل تطبیقی متدولوژی های به کار رفته در منابع مذکور نشان می دهد که ترکیب پیش پردازش های تخصصی زبان فارسی با مدل های زبانی پیش آموزش دیده، منجر به پایداری بیشتر در نتایج می گردد. در نهایت این مقاله با شناسایی شکاف های موجود در پژوهش های جاری مسیرهای آینده برای توسعه سیستم های تحلیل احساسات هوشمندتر در زبان فارسی را ترسیم می کند.

کلیدواژه ها:

تحلیل احساسات ، پردازش زبان طبیعی ، یادگیری عمیق ، زبان فارسی