تحلیل احساسات با تلفیق عمیق ویژگی های متنی و بصری
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 765
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF05_424
تاریخ نمایه سازی: 21 اردیبهشت 1397
چکیده مقاله:
اخیرا0تحلیل احساسات در رسانههای اجتماعی آنلاین مورد توجه بسیاری قرار گرفته است. تا کنون، مطالعات بسیاری در این زمینه انجام شده است، اما اکثر روشهای موجود تنها بر ویژگیهای متنی و یا ویژگیهای بصری متمرکز شدهاند. در این مقاله، از مدل یادگیری عمیق مبتنی بر شبکه عصبی کانولوشن (CNN) برای بازنمایی و تلفیق ویژگیها در میکروبلاگهای محتوای متنی و بصری استفاده میکنیم. ابتدا، CNN برای تحلیل احساسات متنی بر روی بردارهای واژگان آموزش داده میشود. سپس، از یک شبکه عصبی کانولوشن عمیق با حذف تصادفی تعمیم یافته برای تحلیل احساسات بصری استفاده میشود. سپس، از مدل دلتا نایو بیز (DNB) برای تلفیق ویژگی و پیش بینی احساسات بهره گرفته میشود. برای ارزیابی عملکرد روش پیشنهادی از مجموعه دادههای شبکه رسانه اجتماعی Sina Weibo که شامل متن و تصاویر مربوطه است، استفاده شد. نتایج تجربی عملکرد بهتر روش پیشنهادی را با معیار تحلیل احساسات چینی نشان داد.
کلیدواژه ها:
نویسندگان
سینا دامی
استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران
محمد قمی اسکویی
دانشجوی کارشناسی ارشدITواحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران