فهرست نشریات علمی دسترسی آزاد ایران

امروزه اینترنت و به خصوص شبکه‌های اجتماعی مانند توییتر، فیس‌بوک و تلگرام به بستری برای تبادل ایده‌ها و به اشتراک‌گذاری نظرات کاربران تبدیل شده است. تجزیه و تحلیل احساسات بر اساس نظرات کاربران در این شبکه‌ها می‌تواند کمک شایانی در توضیح و پیش‌بینی پدیده‌های اجتماعی و همچنین یافتن محصولات یا خدمات مناسب برای افراد، شرکت‌ها و سازمان‌ها نماید. تاکنون پژوهش‌های زیادی بر روی داده‌های شبکه‌های اجتماعی به زبان انگلیسی انجام شده است؛ اما برای زبان فارسی پژوهش‌های محدودی انجام شده است. در این مقاله یک سیستم تجزیه و تحلیل احساسات بر روی داده‌های تلگرام فارسی پیشنهاد شده است. برای این منظور، چند روش‌ استخراج ویژگی شامل بردار رخداد، فراوانی اصطلاح-معکوس فراوانی سند و ماتریس تعبیه کلمات جهت بازنمایی داده‌های متنی به عددی بررسی شده ‌است. سپس جهت طبقه‌بندی داده‌ها روش‌های مختلف یادگیری ماشین کلاسیک شامل ماشین بردار پشتیبان، درخت تصمیم، K نزدیک‌ترین همسایه، بیز ساده و رگرسیون منطقی، تلفیق روش‌های کلاسیک و همچنین روش‌های یادگیری عمیق شامل شبکه عصبی عمیق، شبکه عصبی پیچشی و شبکه‌های حافظه طولانی کوتاه مدت یک‌طرفه و دوطرفه بررسی شده است. در نهایت ارزیابی و تحلیل نتایج بر روی داده‌های جمع‌آوری شده از تلگرام فارسی نشان می‌دهد که بهترین کارایی توسط روش استخراج ویژگی ماتریس تعبیه کلمات به همراه شبکه‌ حافظه طولانی کوتاه مدت دوطرفه با دقت 90.67، صحت 90.01، فراخوان 89.54 و معیار F، 89.77 درصد به دست آمده‌ است.