فهرست نشریات علمی دسترسی آزاد ایران

تحلیل احساسات یکی از شاخه‌های مهم پردازش زبان طبیعی است که هدف آن طبقه‌بندی متون بر اساس احساس و نگرش نویسنده متن است. در زبان فارسی، متون نوشته شده در شبکه‌های اجتماعی غالبا کوتاه، بدون ساختار و مملو از عبارات محاوره‌ای و غیررسمی هستند که این ویژگی‌ها باعث می‌شود کارایی الگوریتم‌های تحلیل احساسات به طور چشمگیری کاهش یابد. هدف این مقاله ارائه روشی مبتنی بر یادگیری عمیق و واژه‌نامه حسی برای تحلیل احساسات متون فارسی نوشته شده در شبکه‌های اجتماعی است. به دلیل این که اغلب واژه‌نامه‌های حسی موجود در زبان فارسی از لحاظ اندازه کوچک و فاقد عبارات محاوره‌ای و غیررسمی هستند، ابتدا روشی برای گسترش واژه‌نامه‌های حسی موجود با افزودن عبارات محاوره‌ای پرکاربرد در رسانه‌های اجتماعی که به کمک ChatGPT تعیین قطبیت شده‌اند، ارائه می‌شود. سپس از ترکیب واژه‌نامه حسی و شبکه عصبی پیچشی دو کاناله برای تعیین قطبیت متون استفاده می‌شود. نتایج ارزیابی‌های انجام گرفته نشان می‌دهد که با گسترش واژه‌نامه‌های حسی موجود با دو روش پیشنهادی، صحت الگوریتم تحلیل احساسات به ترتیب 1.74 و 2.14 درصد افزایش می‌یابد که نشان‌دهنده موفقیت ChatGPT در تعیین قطبیت عبارات محاوره‌ای فارسی است. همچنین، بکارگیری ویژگی‌های مستخرج از واژه‌نامه حسی در یک شبکه عصبی پیچشی دوکاناله منجر به افزایش دقت دو مدل پایه مورد بررسی به میزان 1.6 و 3.2 درصد می‌شود.