تحلیل احساسی مبتنی بر جنبه بر روی داده های شبکه اجتماعی توئیتر درمورد گیاهخواری

گیاهخواری از جریان هایی است که بازخوردهای زیادی در شبکه های اجتماعی داشته است. مطالب منتشر شده توسط کاربران نشان دهنده ی احساسات و نظرات آنان نسبت به این جریان و جنبه های مختلف آن می باشد. در همین راستا، مجموعه داده ای شامل بیش از شصت هزار توئیت منتشر شده در سال ۲۰۲۳ در مورد گیاهخواری جمع آوری شده است. این مجموعه برای استخراج احساسات کاربران نسبت به جنبه های مختلف گیاهخواری استفاده شده است. ابتدا روشی مبتنی بر مدل زبانی RoBERTa برای تحلیل احساسات ضمنی نهفته در توئیت ها ارائه می شود. سپس با استفاده از مدل سازی موضوعی LDA ، تعدادی جنبه و موضوع مرتبط با گیاهخواری استخراج می شود. در مرحله بعد با استفاده از روشی مبتنی بر مدل زبانی DeBERTa به تحلیل احساسات توئیت ها نسبت به جنبه های مختلف استخراج شده، پرداخته می شود. نمودارهای مختلف فراوانی و توزیع احساسات برای جنبه های مختلف در حیطه ی گیاهخواری مورد بررسی قرار می گیرد. با نمودارهایی نتایج حاصل از تحلیل احساسات مبتنی بر RoBERTa با نتایج حاصل از DeBERTa در کنار هم، مورد بحث و بررسی قرار می گیرد. تجزیه و تحلیل داده ها با استفاده از مدل مبتنی بر DeBERTa نشان می دهد که کاربران در مورد جنبه های plant و lifestyle توئیت هایی اکثرا با جهتگیری مثبت منتشر کرده اند. در مورد جنبه Animal غالبا با احساسی منفی مطالبی منتشر کرده اند. برای هر یک از جنبه های Diet و Co با مقادیری نزدیک به هم، اکثر توئیت ها مثبت و یا خنثی هستند. در میان بحث، تعدادی دانش ضمنی در رابطه با این موضوع مورد بررسی قرار می گیرد.

تحلیل احساسی مبتنی بر جنبه بر روی داده های شبکه اجتماعی توئیتر درمورد گیاهخواری Keywords:

تحلیل احساسات مبتنی بر جنبه , مدل سازی موضوعی , پردازش زبان طبیعی , پردازش متن