دفاعیه ارشد: بررسی امکان تشخیص طعنه در متون فارسی با استفاده از روش های متن کاوی و یادگیری ماشین

بررسی امکان تشخیص طعنه در متون فارسی با استفاده از روش های متن کاوی و یادگیری ماشین روز دوشنبه، 30 شهریور، 1405 توسط موسسه آموزش عالی زند شیراز در شهر شیراز استان فارس برگزار می شود.

تحلیل احساسات در پردازش زبان طبیعی همواره با چالش درک پیچیدگی های ارتباط انسانی روبه رو بوده است. یکی از سرکش ترین این ناهنجاری ها، آرایه طعنه است که با ایجاد تضاد میان کلمات ظاهری و نیت درونی گوینده، قطبیت معنایی جمله را کاملا وارونه می کند. چنین دوگانگی زبانی باعث می شود سیستم های تحلیلی سنتی، نقدهای تند و گزنده را به اشتباه به عنوان بازخوردهای مثبت دسته بندی کنند. این اختلال در زبان فارسی، به دلیل تشتت های رسم الخطی و ساختار نامنظم متون محاوره ای، ابعاد عمیق تری به خود می گیرد. برای رفع این چالش، پژوهش حاضر امکان تشخیص خودکار لحن طعنه آمیز را مورد واکاوی قرار می دهد تا مسیر برای درک هوشمندتر متون غیررسمی هموار شود. برای دستیابی به این هدف، یک معماری پردازشی چندسطحی بر روی پیکره های متنی متنوعی شامل متون ترجمه شده، جملات تولیدشده با ابزارهای هوشمند و متون زبان مبدا طراحی و اجرا گردید. در مرحله پیش پردازش ، رفتار الگوریتم ها در برابر سناریوهای مختلف پالایش متن سنجیده شد تا مشخص گردد تغییر در ساختار جملات چه تاثیری بر کشف کنایه دارد. سپس، مجموعه ای از الگوریتم های آماری رایج در کنار رویکردهای یادگیری جمعی، روی پیکربندی های مختلفی از الگوهای واژگانی آموزش دیدند. در نقطه مقابل این روش های سنتی، شبکه های عصبی عمیق و مدل های زبانی مبتنی بر توجه قرار گرفتند تا ظرفیت آن ها در رمزگشایی از وابستگی های پنهان میان اجزای کلام و درک بافتار متون ارزیابی شود. یافته های حاصل از این تقابل محاسباتی نشان داد که هرگونه دستکاری کاهنده و حذف کلمات ربطی، به از بین رفتن سرنخ های ظریف زبانی منجر شده و قدرت تشخیص سیستم را کاهش می دهد. طعنه پدیده ای است که به یکپارچگی متن نیاز دارد و تقطیع آن، زنجیره معنایی را پاره می کند. همچنین، ارزیابی ها ثابت کرد که روش های مبتنی بر شمارش واژگان، حتی با ترکیب الگوهای چندگانه، توانایی محدودی در برابر پیچیدگی های کنایه دارند. در مقابل، مدل های زبانی عمیق با تکیه بر درک زمینه مند و بررسی روابط دوربرد میان کلمات، توانستند تضادهای پنهان را با دقتی چشمگیر شناسایی کنند. این دستاورد تایید می کند که گذار از رویکردهای سطحی به سمت شبکه های درک کننده بافت، کلید اصلی برای حل چالش های معنایی در پردازش زبان های طبیعی است. واژگان کلیدی:پردازش زبان طبیعی، تحلیل احساسات، تشخیص طعنه، متن کاوی، یادگیری ماشین، یادگیری عمیق، یادگیری جمعی، مدل های زبانی
معرفی سخنرانان: نگارنده: فائزه داورزنی استاد راهنما:دکتر محمد صادق بشکاری استاد مشاور: دکتر بتسابه تنوری استاد داور:دکتر امیر حسین راسخ