تحلیل احساسات در توییتر با شبکه های عصبی کانولوشن عمیق
عنوان مقاله: تحلیل احساسات در توییتر با شبکه های عصبی کانولوشن عمیق
شناسه ملی مقاله: ICCONF03_041
منتشر شده در سومین کنفرانس ملی نوآوری و تحقیق در مهندسی برق و مهندسی کامپیوتر و مکانیک ایران در سال 1396
شناسه ملی مقاله: ICCONF03_041
منتشر شده در سومین کنفرانس ملی نوآوری و تحقیق در مهندسی برق و مهندسی کامپیوتر و مکانیک ایران در سال 1396
مشخصات نویسندگان مقاله:
سینا دامی - استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
محمدرضا الیکایی اهاری - دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران
خلاصه مقاله:
سینا دامی - استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
محمدرضا الیکایی اهاری - دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران
تحلیل احساسات محتوای ایجاد شده توسط کاربر آنلاین برای تحلیل بسیاری از وظایف رسانه های اجتماعی دارای اهمیت است. پژوهش گران به منظور پیش بینی انتخابات سیاسی عمدتا نسبت به تحلیل احساسات متون در سیستم های ایجاد شده، اندازه گیری شاخص های اقتصادی و غیره عکس العمل نشان می دهند. اخیرا، کاربران رسانه های اجتماعی نظیر توییتر از تصاویر اضافی و ویدیوها جهت انتشار نظرات و تجارب خود به وفور استفاده می کنند. تحلیل احساسات متون در مقیاس بزرگ و محتوای تصویری می تواند به ارایه عکس العمل های بهتر نسبت به رویدادها و موضوعات کمک نماید. در این مقاله، از هر دو روش تحلیل احساسات بصری و متنی با استفاده از شبکه های عصبی کانولوشن (CNN) عمیق بهره می گیریم . نتایج تجربی نشان می دهد که تلفیق ویژگی های بصری و متنی عملکرد بمراتب بهتری از هریک از ویژگی های پایه با مدل CNN دارد.
کلمات کلیدی: تحلیل احساسات، استخراج ویژگی ها، ویژگی های متنی و بصری، تلفیق ویژگی ها شبکه عصبی کانولوشن (CNN)
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/741138/