CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تحلیل احساس شبکه ی اجتماعی توییتر با استفاده از تکنیک های یادگیری عمیق

عنوان مقاله: تحلیل احساس شبکه ی اجتماعی توییتر با استفاده از تکنیک های یادگیری عمیق
شناسه ملی مقاله: UTCONF05_150
منتشر شده در پنجمین همایش بین المللی دانش و فناوری مهندسی برق، کامپیوتر و مکانیک ایران در سال 1400
مشخصات نویسندگان مقاله:

بهار سرسیفی - کارشناسی ارشد دانشگاه تبریز، دانشکده مهندسی برق و کامپیوتر
جعفر تنها - استادیار دانشگاه تبریز، دانشکده مهندسی برق و کامپیوتر

خلاصه مقاله:
هدف از این مقاله، ارائه رویکردی ترکیبی برای تجزیه و تحلیل احساس و تشخیص قطبیت نظرات کاربران شبکه اجتماعی با استفاده از الگوریتمهای یادگیری عمیق CNN وBI-LSTM میباشد. ما توییتهای انگلیسی را به دلیل در دسترس بودن و کاربرد آن در حوزه طبقه بندی عواطف، تحلیل کرده و از مجموعه داده ۴.SemEval-۲۰۱۷ Task استفاده می کنیم. در ادامه داده ها را با استفاده از روش جاسازی واژه Glove به بردارهای ویژگی تبدیل کرده و برای متوازن سازی مجموعه داده، از دو روش Random و SMOTEOversampling استفاده می کنیم. در پایان، نتایج حاصل با روش های MLP و CNNمقایسه خواهد شد.

کلمات کلیدی:
پردازش زبان طبیعی، تجزیه و تحلیل احساس، شبکه اجتماعی توییتر، یادگیری عمیق

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1238171/