ارائه مدلی برای تحلیل احساسات چندبعدی در زبان فارسی با استفاده از شبکه عصبی عمیق

با توجه به گسترش روزافزون فضای جهانی اینترنت و تولید حجم عظیمی از داده ها توسط کاربران، بسیاری از پژوهشگران حوزه های مختلف از جمله اقتصاد، مراقبت های پزشکی و بازاریابی به این نتیجه رسیدند که تجزیه و تحلیل احساسات در این داده ها یک نیاز ضروری است. در گذشته تجزیه و تحلیل احساسات معمولا بر روی داده های متنی انجام می شد اما امروزه با توجه به گسترش شبکه - های اجتماعی و تولید داده هایی که یک جفت تصویر و متن هستند، تحلیل احساسات چندبعدی به یکی از حوزه های تحقیقاتی مهم در تحلیل احساسات تبدیل شده است. تجزیه و تحلیل احساسات چندبعدی نوع خاصی از تجزیه و تحلیل احساسات است که می کوشد احساسات پست های کاربران را که می توانند مثبت یا منفی باشند، استخراج کند. در این پژوهش یک مجموعه دادهی چندبعدی فارسی زبان، حاوی پست های عمومی کاربران در شبکه های اجتماعی که (MPerSocial) نام گذاری شده است، معرفی می شود. با توجه به اینکه مجموعه داده ی ارائه شده دارای دو نوع داده تصویر و متن است، بر روی هر نوع از داده ها به صورت جداگانه پیش پردازش را انجام داده، سپس مدل شبکه عصبی عمیق شامل مدل VGG۱۶ برای پردازش تصویر و مدلBi-LSTM برای پردازش متن را ایجاد کرده، در انتها در یک نقطه تلفیق و تبدیل به یک بردار مشترک می شوند. در نهایت نتایج مدل تلفیقی پیشنهادی با نتایج به دست آمده از شبکه های عصبی عمیق مشابه و همچنین روش های یادگیری متداول ماشین با یکدیگر مقایسه می شوند و مشخص می شود مدل پیشنهادی با صحت ۹۲ درصد عملکرد بهتری را نسبت به مدل های دیگر در طبقه بندی احساسات چندبعدی داشته است

Keywords:

تجزیه و تحلیل احساسات , چندبعدی , شبکه های اجتماعی , تصویر و متن , یادگیری عمیق .