بهبود تعیین گرایش احساسی متن با استفاده از روش های نوین تعبیه سازی کلمات

هدف از طبقه بندی احساسات، تعیین گرایش احساسی به سمت اهداف خاص است. بیشتر مدل های قبلی رویکردهای مدل و کلمات موردنظر را با توجه شبکه عصبی بازگشتی مورد هدف (توجه) قرار می دهند. بااین حال، موازی سازی شبکه عصبی بازگشتی دشوار است و فرایند کوتاه سازی پس انتشار در طول زمان مشکلاتی را در به خاطر سپردن الگوهای طولانی مدت ایجاد می کند. هدف بهینه سازی یک شبکه رمزگذار و بهبود دقت تشخیص احساسات و دسته بندی قطبیت احساسی به گروه های سه گانه مثبت، منفی و خنثی می باشد. مدل شبکه رمزگذار توجه از تکرار اجتناب می کند و رمزگذاری مبتنی بر توجه را برای اصلاح بین مفهوم متن و هدف به کار می گیرد. سپس مسئله غیرقابل اعتماد بودن برچسب را مطرح کرده و از یک فرایند جهت بهبود برچس بگذاری معرفی می کند. در این مقاله مدل ALBERT در لایه تعبیه معماری به کار گرفته شد. نتایج ارزیابی نشان می دهد علاوه بر اینکه مدل نسبت به سایر مدل های دسته بندی احساسات دقت و سرعت بالاتری در دسته بندی دارد، اعمال مدل ALBERT از قبل نیز موجب بهبود عملکرد و افزا یش دقت سیستم می گردد.

Keywords:

الگوریتم توجه , طبقه بندی احساسات , تبدیل نقطه ای پیچشی , توجه چند راسی , تجزیه وتحلیل احساسات مبتنی بر جنبه , شبکه ALBERT