سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تعیین قطبیت متون فارسی با استفاده از شبکه های بازگشتی LSTM

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,050

This Paper With 12 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ICEECET03_059

Index date: 24 February 2017

تعیین قطبیت متون فارسی با استفاده از شبکه های بازگشتی LSTM abstract

در این مقاله مدلی برای تعیین قطبیت (مثبت، منفی و یا خنثی) متون، مستقل از زبان و دامنه ارائه شده است. هدفاین مقاله، تعیین قطبیت (مثبت، منفی و یا خنثی) متون فارسی است که مدلی با ترکیب شبکه های بازگشتی LSTM وماشین بردار پشتیبان را ارائه می کند. در این مدل، بعد از پیشپردازش و استخراج کیسه کلمات از متن خام بعنوان ورودیشبکه های بازگشتی LSTM استفاده کرده است. در ادامه از بردارهای حاصل از خروجی این شبکه میانگین گرفته و درنهایت برای کلاس بندی به ماشین بردار پشتیبان داده شده است. مواردی مانند عدم محدودیت زبانی، عدم محدودیتدامنه، عدم نیاز به دیکشنری احساسات و استفاده از متن خام بعنوان ورودی از ویژگی های مدل پیشنهادی است. برایارزیابی مدل، دو پیکره با دامنه متفاوت مورد آزمایش قرار گرفته که نتایج نشاندهنده کارایی روش پیشنهادی است.

تعیین قطبیت متون فارسی با استفاده از شبکه های بازگشتی LSTM Keywords:

تعیین قطبیت , تحلیل سنجمان , نظرکاوی , شبکه های بازگشتی LSTM , پردازش زبان های طبیعی

تعیین قطبیت متون فارسی با استفاده از شبکه های بازگشتی LSTM authors

محمد بادپیما

دانشجوی دانشگاه مالک اشتر

حسین شیرازی

استاد دانشگاه مالک اشتر

سعیده سادات سدیدپور

دانشجوی دکترای دانشگاه مالک اشتر

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 :
Analysis: Incremental learning to build domain models, " pp. 1-42, ...
J. Kamps, M. Marx, R. J. Mokken, and M. De ...
E. Cambria, B. B. Schuller, Y. Xia, and C. Havasi, ...
D. Rao and D. Ravichandran, _ _ S emi-supervised polarity ...
th Conf. Eur. Chapter Assoc. Comput. Linguist., no. April, pp. ...
A. Hassan and D Radev, "Identifying text polarity using random ...
E. C. Dragut and C. Yu, "Construction of a Sentimental ...
W. Peng and D. H. Park, :Generate adjective sentiment dictionary ...
G. Fei, B. Liu, M. Hsu, M. Castellanos, and R. ...
C. Kaushik and A. Mishra, _ Scalable, Lexicon Based Technique ...
S. Zhou, Q. Chen, and X. Wang, _ 0Neuro computing ...
P. Ru angkanokmas _ T. Achalakul, and K. Akarajitakul, "Deep ...
S. Zhou, Q. Chen, X. Wang, and X. Li, "Hybrid ...
A. A. Al Sallab, R. Baly, and H. Hajj, "Deep ...
S. Zhou, Q. Chen, and X. Wang, _ Deep Networks ...
D. Tang, F. Wei, B. Qin, T. Liu, and M. ...
S. Hochreiter, S. Hochreiter, J. Schmidhuber, and J. Schmidhuber, "Long ...
C. Olah, _ _ erstanding LSTM Networks, " Github. ...
نمایش کامل مراجع

مقاله فارسی "تعیین قطبیت متون فارسی با استفاده از شبکه های بازگشتی LSTM" توسط محمد بادپیما، دانشجوی دانشگاه مالک اشتر؛ حسین شیرازی، استاد دانشگاه مالک اشتر؛ سعیده سادات سدیدپور، دانشجوی دکترای دانشگاه مالک اشتر نوشته شده و در سال 1395 پس از تایید کمیته علمی سومین کنفرانس بین المللی در مهندسی برق، الکترونیک و کامپیوتر پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تعیین قطبیت، تحلیل سنجمان، نظرکاوی، شبکه های بازگشتی LSTM ، پردازش زبان های طبیعی هستند. این مقاله در تاریخ 6 اسفند 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1050 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله مدلی برای تعیین قطبیت (مثبت، منفی و یا خنثی) متون، مستقل از زبان و دامنه ارائه شده است. هدفاین مقاله، تعیین قطبیت (مثبت، منفی و یا خنثی) متون فارسی است که مدلی با ترکیب شبکه های بازگشتی LSTM وماشین بردار پشتیبان را ارائه می کند. در این مدل، بعد از پیشپردازش و استخراج کیسه کلمات از متن ... . این مقاله در دسته بندی موضوعی نظرکاوی طبقه بندی شده است. برای دانلود فایل کامل مقاله تعیین قطبیت متون فارسی با استفاده از شبکه های بازگشتی LSTM با 12 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.