یک مدل عمیق CNN-BiLSTM مبتنی بر مکانیزم توجه برای تحلیل احساسات نظرات کاربران در رسانه‌های اجتماعی

doi
10.22034/tjee.2025.67687.5036
چکیده

هدف از تحلیل احساسات، تعیین جهتی برای بیان دیدگاه و نظرات کاربران و مشاهده وضعیت عمومی با توجه به هوش اقتصادی، سنجش رضایت مشتری، پیش بینی فروش فیلم و موارد دیگر می باشد. همچنین تجزیه و تحلیل احساسات، به عنوان یکی از زمینه‌های پردازش زبان طبیعی شناخته می‌شود. هدف از این پژوهش، ارائه رویکردی جدید برای تجزیه و تحلیل احساسات و تشخیص قطبیت نظرات کاربران رسانه‌های اجتماعی با استفاده از الگوریتم‌های یادگیری عمیق است. در این مطالعه با استفاده از تلفیق شبکه‌های CNN و Bi-LSTM و با به کارگیری مکانیزم توجه مدلی پیشنهاد می‌شودکه از CNN برای استخراج ویژگی متن و از شبکهBi-LSTM برای طبقه‌بندی احساسات استفاده می‌کند. مکانیزم توجه نیز می‌تواند بر بخش‌های مهم یک دنباله تمرکز کرده و در نتیجه کارایی شبکه‌های عصبی را در کارهای مختلف از جمله تجزیه و تحلیل احساسات، ترجمه ماشینی و تشخیص گفتار افزایش ‌دهد. نتایج بدست آمده نشان می‌دهد که روش پیشنهادی، دقت بالاتر و پیچیدگی کمتری برای تعیین قطبیت نظرات کاربران در رسانه‌های اجتماعی نسبت به روش‌های موجود در تحقیقات اخیر دارد.