فهرست نشریات علمی دسترسی آزاد ایران

تحلیل احساسات به‌عنوان یکی از زیرمجموعه‌های طبقه‌بندی متن، ابزاری حیاتی در حوزه‌هایی مانند مدیریت اطلاعات، تحلیل داده و بهبود عملکرد است. پیچیدگی متون فارسی، به دلیل ویژگی‌هایی نظیر طعنه، چندمعنایی و ترکیب زبان‌ها، چالش‌های منحصربه‌فردی را برای شناسایی احساسات ایجاد می‌کند. در این پژوهش، مدلی جدید معرفی‌شده که با ترکیب GRU و ParsBERT، ویژگی‌های محلی و سراسری متن را استخراج می‌کند. در این پژوهش تمرکز اصلی بر کاهش پیچیدگی محاسباتی و زمان آموزش با حفظ سطح مطلوب دقت بوده است، تا مدل بتواند در محیط‌های با منابع محدود نیز قابلیت استفاده داشته باشد. این مدل با کاهش لایه‌های رمزگذار و افزودن GRU، پارامترها و زمان آموزش را بهبود می‌بخشد. آزمایش‌ها روی مجموعه داده‌های اسنپ‌فود و طاقچه نشان داد که این مدل نسبت به مدل‌های پایه دقت بالاتری دارد و آموزش آن نیز سریع‌تر است. مدل ارائه‌شده در مجموعه داده طاقچه به 7/76 و در اسنپ‌فود به 16/86 در معیار F1 دست یافت، درحالی‌که تعداد پارامترهای آن کاهش چشمگیری داشت. این نتایج نشان می‌دهد که مدل ارائه‌شده برای تحلیل احساسات متون فارسی، کارآمد و بهینه است.