تشخیصاحساسات در متون خبری کردی کرمانجی با استفاده از شبکه عصبی عمیق

تشخیص گرایشها و احساسات نهفته در محتوی متنی یکی از جذابترین و مهمترین زیرشاخه های پردازش زبان طبیعی محسوب میشود. متون خبری با توجه به اینکه در نگاه اول ممکن است فاقد احساس مستقیم به نسبت گزاره مورد بحث متن خبر باشد اما به نسبت راوی و انتشار دهنده و حتی خواننده خبر میتواند با درصد بسیار بالایی حامل احساس و گرایش خاصی نسبت به خبر باشد. روشهای بسیاری برای تشخیص احساس در متن وجود دارد از معروف ترین این روشها یادگیری ماشینی میباشد. در این پژوهش سعی شده است با استفاده از الگوریتم شبکه عصبی عمیقDNN به عنوان یکی از الگوریتم های یادگیری ماشینی (برعکس سایر الگوریتم های یادگیری عمیق که نیازمند داده ها در مقیاس بزرگ میباشند، میتواند مانند روشهای سنتی با تعداد نمونه کم و روشهای استخراج ویژگی رایج آموزش ببیند) و روش کاهش ابعاد ویژگی نمایه گذاری معنایی مخفیLSI به تشخیص گرایشها و احساسات نهفته در متون خبری به زبان کردی کرمانجی پرداخته شود. در این پژوهش روش پیشنهادی بروی مجموعه داده گردآوری شده که شامل 5023 سند خبری میباشد، اعمال شد و با توجه به ارزیابی نتایج و بررسیها، روش پیشنهادی دارای دقت 90.55 % میباشد که به نسبت سایر الگوریتم های مقایسه شده از دقت مطلوب تری برخوردار است.

Keywords:

پردازش زبان طبیعی , تشخیص احساسات , یادگیری ماشینی , شبکه عصبی عمیق , کردی کرمانجی , متون خبری