بهبود تعیین قطبیت جمله در تحلیل احساسات مبتنی بر الگوریتم یادگیری عمیق RNN و LSTM

نویسندگان

1 دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر- واحد یزد- دانشگاه آزاد اسلامی- یزد- ایران

2 دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یزد

doi
10.22034/abmir.2022.2678
چکیده

امروزه به دلیل وجود حجم انبوه نظرات منتشرشده توسط افراد در فضای مجازی، تحلیل احساسات نقش اساسی را در استخراج اطلاعات بازی می-کند. یکی از تکنیکهای نوین براساس مطالعات انجام‌شده به منظور تعیین دقیق‌تر قطبیت جمله در تحلیل احساسات مبتنی بر الگوریتم‌های یادگیری عمیق است. در این تحقیق به منظور تعیین قطبیت نظرات متنی از الگوریتم یادگیری عمیق LSTM و RNN استفاده شده‌است تا با بررسی و مقایسه این دو الگوریتم بتوان الگوریتم مناسب برای تحلیل احساسات را انتخاب نمود. همچنین در روش پیشنهادی برای تعیین روابط معنایی بین کلمات از روش تعبیه‌گذاری کلمات از پیش آموزش داده‌شده‌ی Wordtovec استفاده‌شد تا دقت روش پیشنهادی افزایش یابد. روش پیشنهادی بر روی دو مجموعه داده airline-tweet و IMDB ارزیابی شد. نتایج ارزیابی نشان می‌دهد که روش پیشنهادی بر روی مجموعه داده airline-tweet در صورت استفاده از تعبیه‌گذاری Wordtovec دقت 78/0 دارد. همچنین روش پیشنهادی بر روی مجموعه داده IMDB در صورت استفاده از تعبیه‌گذاری Wordtovec دقت 84/0 دارد.