بهبود تجزیه و تحلیل احساسات متن های فارسی با استفاده از الگوریتم یادگیری عمیق LSTM

با توجه به رشد روزافزون داده های تولید شده توسط کاربران در اینترنت و همچنین در دسترس بودن داده ها، استخراج نظرات به یک زمینه محبوب در حوزه های پردازش زبان طبیعی (NLP) و یادگیری ماشین تبدیل شده است. تحلیل احساسات و کاوش نظرات فرآیندی هوشمند جهت استخراج احساسات و عواطف کاربران درباره کالاها و خدمات دریافتی می باشد در قالب مثبت و منفی و یا یک امتیاز عددی در یک بازه به خصوص بیان می شود. بیشتر پژوهش های انجام شده در حوزه ی پردازش اطلاعات متنی، بر روی استخراج یا بازیابی اطلاعات تمرکز دارند، در حالی که در فرآیند تصمیم گیری (توسط مشتریان یا مدیران)، اطلاع از نظرات دیگران اهمیت به سزایی دارد. هدف از این پژوهش، ارائه روش های کارآمد جهت بازنمایی کلمات در قالب بردارهای تعبیه به کمک رویکردهای یادگیری عمیق می باشد که در نتیجه آن دقت سیستم های تحلیل احساس بهبود داده شود. بدین منظور سه رویکرد ادغام بردارهای تعبیه کلمات، تجمیع شبکه های عصبی کانولوشنی و ادغام دیکشنری های احساسی با داده ورودی استفاده شده پیشنهاد و مورد ارزیابی قرار گرفته است.

کلیدواژه ها:

تحلیل احساسات ، داده کاوی ، یادگیری عمیق ، متون فارسی و LSTM