Year: 1400
Publish place: Digital Transformation and Intelligent System
COI: DTIS01_045
Language: PersianView: 104
This Paper With 12 Page And PDF Format Ready To Download
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
Authors
Abstract:
هدف اصلی این مقاله متمرکز بر دو زیرمساله مرتبط با تحلیل احساسات مبتنی بر ویژگی یعنی، تشخیص مقوله ویژگی (ACD) وقطبیت مقوله ویژگی (ACP) در زبان فارسی است. روش های قبلی در حل این مسائل در بسیاری از زبان ها، آنها را به عنوان دو مسالهجداگانه بیان کرده و به حل آنها می پردازند. در این مقاله، ما یک مدل یادگیری چندوظیف های مبتنی بر شبکه های عمیق را پیشنهادمی دهیم، که می تواند به صورت توام (مشترک) مقوله ویژگی و قطبیت آن را شناسایی و استخراج کند. در راستای این کار و برای مقایسه،از چندین شبکه عمیق همانند، CNN ، LSTM ، Bi-LSTM و GRU استفاده گردید. روش پیشنهادی با استفاده از یک مجموعه دادهمنحصربه فرد از نظرات ارائه شده در خصوص فیلم های فارسی مورد ارزیابی قرار گرفت که در پایان مدل CNN بهترین عملکرد را درمعیارهای ارزیابی دقت زیرمجموعه و شاخص جاکارد، به ترتیب با نمره های ۶۷.۵ % و ۷۷.۰۷۵ % به دست آورد.
Keywords:
یادگیری عمیق , تحلیل احساسات مبتنی بر ویژگی , یادگیری چندوظیف های , تشخیص مقوله ویژگی , قطبیت مقوله ویژگی
Paper COI Code
This Paper COI Code is DTIS01_045. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:https://civilica.com/doc/1384007/
How to Cite to This Paper:
If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:وزان، میلاد،1400،یادگیری توام برای طبقه بندی ویژگی و قطبیت در نظراتفارسی با استفاده از یادگیری عمیق چ ندو ظیفهای،Digital Transformation and Intelligent System،Larestan،https://civilica.com/doc/1384007
Research Info Management
اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
Scientometrics
The specifications of the publisher center of this Paper are as follows:
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.
New Papers
- بررسی تاثیر موبایل اپلیکیشنها بر پایداری کسب وکارهای SME در طول COVID-۱۹
- شارژ هوشمند خودروهای برقی با در نظر گرفتن جایابی بهینه ایستگاه های شارژ در شبکه توزیع
- Improvement Image Summarization using Image Processing and PSO Algorithm.
- بررسی امنیت اینترنت اشیا
- تشخیص بیماری کرونا با استفاده از هوش مصنوعی
This Papers recently indexed in civilica
New Researchs
- ملاحظات به کارگیری تصمیم گیری خودکار و هوش مصنوعی در دولت و پارلمان
- درآمدی بر حکمرانی هوش مصنوعی خلاصه راهبردی از: Allan Dafoe, AI Governance: A research agenda , Oxford university, ۲۰۱۸
- هوش مصنوعی در جهان (۶) امارات متحده عربی
- تاملات عقلانی در هوش مصنوعی
- هوش مصنوعی در جهان (۵) (جمهوری هند)
This Researchs recently indexed in civilica
Share this page
More information about COI
COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.
The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.