تشخیص احساس متن فارسی با استفاده از روش مبتنی بر شباهت معنایی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,956
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTCK02_061
تاریخ نمایه سازی: 8 آبان 1395
Abstract:
پردازش زبان های طبیعی بعنوان زیرمجموعه ای از هوش مصنوعی، می تواند توصیه ها و بیانات را با استفاده از زبانی کهبطور طبیعی در مکالمات روزمره بکار می رود، بفهمد و مورد پردازش قرار دهد. احساسات درونی یک انسان بخشی ازارتباطات روزمره اوست. یکی از رفتارهای خروجی که نشان دهنده ی حالات درونی فرد می باشد نحوه نوشتاری اوست.حل چنین مسأله ای منجر به دریافت کامل معنای یک پیام متنی است و باعث افزایش کیفیت تعامل بین بشر و کامپیوترمی گردد. مسأله ی اساسی در این تحقیق، طراحی یک الگوریتم کارا و مؤثر جهت تشخیص احساس از روی متن فارسیو بدست آوردن احتمال هر کدام از احساس های اصلی جمله است. جملات احساسی مورد تحقیق شامل کلاس احساس اصلی شامل «عصبانیت»، «ناراحتی»، «خوشحالی»، «تنفر»، «ترس» و «عشق» می باشد. الگوریتم ارائه شده به ازایبرخی از واژگان احساسی شاخص که از گروه های شش گانه مذکور، به کمک تکنیک های ریشه یابی و برچسب گذاری و براساس معیار رتبه بندی فرکانس سند برگزیده شده اند، بردارهای هم وقوعی و تشابه کسینوسی دوبه دوی آنها راتشکیل می دهد. با در نظر گرفتن ترکیبات مختلف از صفت ها و افعال کشف شده در جملات ، میزان ارتباط آنها محاسبهمی شود. دقت الگوریتم پیشنهادی با توجه به کیفیت دیتاست آموزش، بطور میانگین در تشخیص احساس متن فارسی حدود 88% میباشد. ابزار محاسباتی بکار رفته برای گرفتن نتایج ، نرم افزار MATLAB (2012) می باشد.
Keywords:
Authors
سارا منتظریان
گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی بیرجند
سیدمحمدحسین معطر
استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :