CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

استخراج جنبه برای تحلیل احساسات با شبکه عصبی کانولوشن بسیار عمیق

عنوان مقاله: استخراج جنبه برای تحلیل احساسات با شبکه عصبی کانولوشن بسیار عمیق
شناسه ملی مقاله: CONFITC04_176
منتشر شده در چهارمین کنفرانس بین المللی مطالعات نوین در علوم کامپیوتر و فناوری اطلاعات در سال 1396
مشخصات نویسندگان مقاله:

سینا دامی - استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
امیررضا عرفانی راد - دانشجوی کارشناسی ارشد IT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

خلاصه مقاله:
در این مقاله ما به بررسی و ارایه یک رویکرد یادگیری بسیار عمیق جهت استخراج جنبه برای تحلیلاحساسات می پردازیم .استخراج جنبه یک وظیفه جانبی از تحلیل احساسات است که به شناسایی اهداف یکنظر یا ایده در متن خودرای میپردازد که به معنای کشف جوانب خاص یک محصول یا سرویس است کهصاحب نظر به تمجید یا تقبیح آن می پردازد. برای این منظور، از یک شبکه عصبی کانولوشن بسیار عمیقبرای برچسب گذاری هر کلمه در جملات خودرای به عنوان یک کلمه جنبه یا غیر جنبه استفاده شد. همچنینمجموعه ای از الگوهای زبان شناسی برای تلفیق آنها با شبکه عصبی توسعه داده شد. نتایج ارزیابی حاصل ازطبقه بندی گروهی همراه با مدل تعبیه کلمات مبتنی بر یادگیری بسیار عمیق برای تحلیل احساسات نشان دادکه روش پیشنهادی در مقایسه با روشهای پایه عملکرد بمراتب بهتری دارد.

کلمات کلیدی:
تحلیل متن، عقیده کاوی، تحلیل احساسات، استخراج جنبه، یادگیری بسیار عمیق

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/779198/