تحلیل احساسات در توییتر با شبکه های عصبی کانولوشن عمیق

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,210

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCONF03_041

تاریخ نمایه سازی: 2 تیر 1397

چکیده مقاله:

تحلیل احساسات محتوای ایجاد شده توسط کاربر آنلاین برای تحلیل بسیاری از وظایف رسانه های اجتماعی دارای اهمیت است. پژوهش گران به منظور پیش بینی انتخابات سیاسی عمدتا نسبت به تحلیل احساسات متون در سیستم های ایجاد شده، اندازه گیری شاخص های اقتصادی و غیره عکس العمل نشان می دهند. اخیرا، کاربران رسانه های اجتماعی نظیر توییتر از تصاویر اضافی و ویدیوها جهت انتشار نظرات و تجارب خود به وفور استفاده می کنند. تحلیل احساسات متون در مقیاس بزرگ و محتوای تصویری می تواند به ارایه عکس العمل های بهتر نسبت به رویدادها و موضوعات کمک نماید. در این مقاله، از هر دو روش تحلیل احساسات بصری و متنی با استفاده از شبکه های عصبی کانولوشن (CNN) عمیق بهره می گیریم . نتایج تجربی نشان می دهد که تلفیق ویژگی های بصری و متنی عملکرد بمراتب بهتری از هریک از ویژگی های پایه با مدل CNN دارد.

کلیدواژه ها:

تحلیل احساسات ، استخراج ویژگی ها ، ویژگی های متنی و بصری ، تلفیق ویژگی ها شبکه عصبی کانولوشن (CNN)

نویسندگان

سینا دامی

استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

محمدرضا الیکایی اهاری

دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران