تعیین قطبیت متون فارسی با استفاده از شبکه های بازگشتی LSTM

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.

Keywords:

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