تجزیه و تحلیل احساسات دو وجهی حساس به میم مبتنی بر تبدیل کننده با استفاده از داده های بصری-متن در رسانه های اجتماعی
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
Index date: 30 December 2024
تجزیه و تحلیل احساسات دو وجهی حساس به میم مبتنی بر تبدیل کننده با استفاده از داده های بصری-متن در رسانه های اجتماعی abstract
تحلیل احساس داده های شبکه های اجتماعی به درک هدف اصلی کاربران از انتشار محتوا کمک می کند. از آنجایی که داده های انتشاریافته تنوع زیادی دارند (تصویر، متن، صدا و ویدئو)، از این تنوع می توان برای دستیابی به تحلیل احساس دقیق تر استفاده کرد. در مقاله حاضر یک معماری دووجهی حساس به میم پیشنهاد شده است که از داده های متنی و بصری برای تحلیل احساس استفاده می کند. در این روش پس از استخراج متن درج شده در میم و الحاق آن با توضیحات انتشاریافته توسط کاربر، ویژگی های متن و تصویر با استفاده از انتقال دهنده استخراج می شود. برای استخراج ویژگی های تصویر از انتقال دهنده بصری و برای استخراج ویژگی های متن از SBERT استفاده شده است. سپس تبدیل تحلیل تشخیص خطی (LDA) برای کاهش ابعاد و افزایش کیفیت دسته بندی به ویژگی های استخراج شده اعمال می شود. در نهایت دو لایه کاملا متصل، بردار حاصل از کاهش بعد را برای پیش بینی کلاس احساس پردازش می کنند. نتایج تجربی نشان می دهد که روش پیشنهادی بر روی مجموعه داده MVSA-Single به دقت ۸۰ درصد و بر روی مجموعه داده MVSA-Multiple به دقت ۹۰ درصد دست یافته است. این نتایج بیان می کند که روش ارائه شده در مقاله نسبت به سایر روش های مطرح تحلیل احساس دووجهی عملکرد بهتری دارد.
تجزیه و تحلیل احساسات دو وجهی حساس به میم مبتنی بر تبدیل کننده با استفاده از داده های بصری-متن در رسانه های اجتماعی Keywords:
تجزیه و تحلیل احساسات دو وجهی حساس به میم مبتنی بر تبدیل کننده با استفاده از داده های بصری-متن در رسانه های اجتماعی authors
دانشگاه آزاد اسلامی
Department of Computer Engineering, Islamic Azad University, Science and Research Branch, Tehran, Iran
Department of Computer Engineering, Mechanics, electricity and computers, Islamic Azad University - Science and Research Branch, Tehran, Iran
