بهبود صحت احساسات و عواطف در پست های محیط زیستی شبکه های اجتماعی با بهره گیری از ترکیب مدل BERT و VADER بر اساس استخراج ویژگی معنایی PMI

امروزه رسانه های اجتماعی به دلیل امکان دریافت واکنش فوری از عموم مردم به منبع اصلی اطلاعات تبدیل شده اند در نتیجه داده های شبکه های اجتماعی به منبعی ارزشمند برای درک احساسات عمومی تبدیل شده اند پژوهش ها نشان می دهند که این رسانه ها می توانند ایده ها را تقویت کرده و بر احساسات عمومی تاثیر بگذارند این مطالعه برداشت عمومی از تغییرات اقلیمی و محیط زیست را در بازه ای ده ساله از سال ۲۰۱۴ تا ۲۰۲۳ تحلیل می کند با استفاده از الگوریتم (Pointwise Mutual Information (PMI ما احساسات را شناسایی کرده و هیجانات غالبی را که در توییت های محیط زیستی در پلتفرم های مختلف رسانه های اجتماعی از جمله توییتر ردیت و یوتیوب بیان شده اند بررسی می کنیم دقت مدل در یک مجموعه داده دارای برچسب انسانی برابر ۰٫۶۵ بود؛ این مقدار از دقت مدل Vader بالاتر است یافته های ما نشان می دهند که توییت های منفی درباره محیط زیست بسیار بیشتر از توییت های مثبت یا خنثی هستند. تغییرات اقلیمی، کیفیت هوا انتشار گازها پلاستیک و بازیافت پربحث ترین موضوعات در تمام پلتفرم های شبکه های اجتماعی هستند که نگرانی گسترده جهانی را نشان می دهد رایج ترین احساسات در توییت های محیط زیستی ترس اعتماد و انتظار پیش بینی هستند که ماهیت گسترده و پیچیده واکنش های عمومی را نشان می دهد. با شناسایی الگوها و روندهای موجود در دیدگاه های مرتبط با محیط زیست امیدواریم بینش هایی ارائه کنیم که بتواند به افزایش آگاهی درباره مسائل محیط زیستی کمک کند توسعه مداخلات مناسب را تسهیل کند و اقدامات لازم برای مواجهه با چالش های محیط زیستی را بهبود بخشد.

کلیدواژه ها:

تحلیل احساسات ، تحلیل عواطف ، شبکه های اجتماعی ، محیط زیست ، پردازش زبان طبیعی ، یادگیری ماشین