پردازش مفهوم زبانی پیام های کوتاه توییتر با استفاده از شبکه عصبی عمیق CNN

تجزیه و تحلیل احساسات در رسانه های اجتماعی مانند توییتر (شبکه X) بسیار مهم و چالش برانگیز است. با توجه به ویژگی های چنین داده هایی نظیر طول توییت، اشتباهات املایی، اختصارات و کاراکترهای خاص، تجزیه و تحلیل احساسات نیازمند رویکردی غیرسنتی است. علاوه بر این، تجزیه و تحلیل احساسات رسانه های اجتماعی یک مسئله اساسی با کاربردهای جالب مانند هوش تجاری، نظارت پزشکی و امنیت ملی است. بیشتر روش های طبقه بندی احساسات رسانه های اجتماعی، قطبیت احساسات را بر اساس محتوای متنی قضاوت می کنند و از اطلاعات دیگر در این پلتفرم ها غفلت می کنند. در این تحقیق، ما چارچوب های مبتنی بر یادگیری عمیق را پیشنهاد می کنیم که اطلاعات رفتاری کاربر را نیز در درنظر می گیرد. در این مقاله، از این مدل های یادگیری چند وجهی CNN برای انجام تجزیه و تحلیل احساسات استفاده می کنیم. نتایج بدست آمده نشان می دهد که فراتر رفتن از محتوای یک سند در طبقه بندی احساسات سودمند است، زیرا درک عمیق تری از کار را در اختیار طبقه بندی کننده قرار می دهد و از لحاظ معیارهای دقت، صحت، حساسیت و F۱ بهبود قابل توجهی گزارش می شود.

Keywords:

پیام های کوتاه توییتر , شبکه های عصبی عمیق , مفهوم زبانی