یادگیری توام برای طبقه بندی ویژگی و قطبیت در نظراتفارسی با استفاده از یادگیری عمیق چ ندو ظیفهای
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 368
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DTIS01_045
تاریخ نمایه سازی: 3 بهمن 1400
چکیده مقاله:
هدف اصلی این مقاله متمرکز بر دو زیرمساله مرتبط با تحلیل احساسات مبتنی بر ویژگی یعنی، تشخیص مقوله ویژگی (ACD) وقطبیت مقوله ویژگی (ACP) در زبان فارسی است. روش های قبلی در حل این مسائل در بسیاری از زبان ها، آنها را به عنوان دو مسالهجداگانه بیان کرده و به حل آنها می پردازند. در این مقاله، ما یک مدل یادگیری چندوظیف های مبتنی بر شبکه های عمیق را پیشنهادمی دهیم، که می تواند به صورت توام (مشترک) مقوله ویژگی و قطبیت آن را شناسایی و استخراج کند. در راستای این کار و برای مقایسه،از چندین شبکه عمیق همانند، CNN ، LSTM ، Bi-LSTM و GRU استفاده گردید. روش پیشنهادی با استفاده از یک مجموعه دادهمنحصربه فرد از نظرات ارائه شده در خصوص فیلم های فارسی مورد ارزیابی قرار گرفت که در پایان مدل CNN بهترین عملکرد را درمعیارهای ارزیابی دقت زیرمجموعه و شاخص جاکارد، به ترتیب با نمره های ۶۷.۵ % و ۷۷.۰۷۵ % به دست آورد.
کلیدواژه ها:
یادگیری عمیق ، تحلیل احساسات مبتنی بر ویژگی ، یادگیری چندوظیف های ، تشخیص مقوله ویژگی ، قطبیت مقوله ویژگی
نویسندگان
میلاد وزان
دانشگاه تبریز، گروه علوم کامپیوتر، تبریز