تعيين قطبيت در نظركاوي با استفاده از روش يادگيري عميق

كارشناسي ارشد

نظركاوي براي متون با طول كم مانند داده هاي توييتر يكي از موضوعات چالش برانگيز است زيرا به دليل اطلاعات محدود جملات، وجود كلمات محاوره اي، غلط هاي املايي و همچنين اشتباهات دستور زباني كار رده بندي متون با چالش هايي همراه است. با به وجود آمدن شبكه هاي اجتماعي، حجم زيادي از داده هاي متني به وجود آمدند. اين داده ها حاوي اطلاعاتي مفيد در موضوعات مختلف هستند. يكي از اين شبكه هاي اجتماعي توييتر است كه با به وجود آمدن آن گرايش به مسئله ي نظركاوي بيشتر شده است. هدف از نظركاوي بررسي و تحليل نظرات كاربران و مطلع شدن از گرايش آن ها نسبت به موضوعات مختلف است. با ظهور توييتر حجم زيادي از داده هاي متني بدون ساختار به وجود آمد. مديريت داده با اين حجم بالا كار دشواري است. يادگيري ماشين روشي است كه مي توان با استفاده از آن حجم بالاي داده را بررسي و تحليل كرد. يادگيري عميق يكي از زير شاخه هاي يادگيري ماشين است. در اين پژوهش از يك معماري عميق براي نظركاوي بر روي داده هاي توييتر استفاده شده است. اين معماري مبتني بر روش شبكه عصبي پيچشي است. روش پيشنهادي علاوه بر داده هاي ورودي از يك ورودي كمكي ديگر نيز بهره ميگيرد. مقدار اين ورودي با استفاده از روش مبتني بر واژگان به دست مي آيد. همچنين در اين پژوهش از يك بازنمايش وابسته به وظيفه براي داده هاي ورودي استفاده كرده ايم. روش پيشنهادي را با چهار معماري ديگر مقايسه كرديم، با توجه به نتايج به دست آمده ،روش پيشنهادي به نتايج قابل توجه ي بر روي مجموعه داده ي SemEval دست يافت. بالاترين مقدار صحت روش پيشنهادي براي رده بندي نظرات به دو رده ي مثبت يا منفي برابر با 90,38 است.

192947

دانشگاه علم و صنعت ايران

نرم افزار

دكتر بهروز مينايي بيدگلي - دكتر عين الله خنجري