تجزیه و تحلیل احساسات چند وجهی با استفاده از تکنیک های یادگیری انتقال چندگانه ترکیبی با به کارگیری شبکه های کانولوشنی وزن دار ترکیبی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 236

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JME-21-72_006

تاریخ نمایه سازی: 14 تیر 1402

چکیده مقاله:

تحلیل نظرات کاربران شبکه های اجتماعی در رابطه با موضوعات مختلف می تواند منجر به درک صحیح موقعیت، نگرش و نظر آنها نسبت به این موضوعات گردد. تجزیه و تحلیل احساسات یکی از مسائل در حوزه پردازش زبان طبیعی است و در حوزه های مختلفی کاربرد دارد. دسته ای از نظرات کاربران شبکه های اجتماعی به صورت چندوجهی و با استفاده از ترکیبی از چند رسانه مانند متن، تصویر و صورتک به اشتراک گذاشته می شود که ساختار مفیدی برای استخراج و درک بهتر احساسات فراهم می کند. در این مقاله یک روش ترکیبی یادگیری انتقال با استفاده از ۵ مدل از پیش آموزش دیده شده و شبکه های کانولوشنی ترکیبی برای تجزیه و تحلیل احساسات چند وجهی ارائه می شود. در این رویکرد برای استخراج ویژگی های تصاویر از دو مدل از پیش آموزش دیده مبتنی بر شبکه های کانولوشنی، و برای استخراج ویژگی های متون و تعبیه کلمات از سه مدل از پیش آموزش دیده دیگر استفاده می شود. از ویژگی های استخراج شده در شبکه های کانولوشنی ترکیبی استفاده شده و مکانیزم توجه بصری برای تمرکز بر روی مهمترین نواحی احساسی تصاویر و مکانیزم توجه چندراسی برای برجسته سازی کلمات دارای احساس به کار گرفته می شود. نتایج حاصل از طبقه بندی تصاویر و متون با استفاده از تکنیک رای-گیری ترکیب شده و در نهایت برای تعیین قطبیت و برچسب نهایی از همجوشی دیرهنگام استفاده می شود. نتایج حاصل از آزمایشات تجربی مدل پیشنهادی بر روی مجموعه داده استاندارد، دقت مطلوب ۹۶% را نشان می دهد.

کلیدواژه ها:

تجزیه و تحلیل احساسات چند وجهی ، یادگیری عمیق ، یادگیری انتقال ، مکانیزم توجه ، شبکه کانولوشنی وزن دار

نویسندگان

علیرضا قربانعلی

دانشگاه آزاد اسلامی

محمد کریم سهرابی

گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد سمنان، دانشگاه آزاد اسلامی، سمنان، ایران

فرزین یغمایی

دانشگاه سمنان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • N. Jing, Z. Wu, and H. Wang, "A hybrid model ...
  • ]۳[ حمیدرضا میرشاهولد، رامین قاسمی اصل، ناهید رئوفی و مهرداد ...
  • Z. Abbasi-Moud, H. Vahdat-Nejad, and J. Sadri, " Tourism recommendation ...
  • F. Huang, X. Zhang, Z. Zhao, J. Xu, and Z. ...
  • W. Nie, Y. Yan, D. Song, and K. Wang," Multi-modal ...
  • V. Aiswaryadevi, S. Kiruthika, G. Priyanka, N. Nataraj, and M. ...
  • A. Ghorbanali, MK. Sohrabi, and F. Yaghmaee, "Ensemble transfer learning-based ...
  • J. Deng, S. Frühholz, Z. Zhang, and B. Schuller, "Recognizing ...
  • A. Maas, RE. Daly, PT. Pham, D. Huang, AY. Ng, ...
  • Y. Rao, J. Lei, L. Wenyin, Q. Li, and M. ...
  • A. Ishaq, S. Asghar, and SA. Gillani , " Aspect-based ...
  • Y. Ma, J. Yu, B. Ji, J. Chen, S. Zhao, ...
  • L. Zhao, L. Li, X. Zheng, and J. Zhang, "A ...
  • Y. Yang, J. Jia, S. Zhang, B. Wu, Q. Chen, ...
  • A. Yadav, DK. Vishwakarma A deep learning architecture of RA-DLNet ...
  • Q. You, J. Luo, H. Jin, and J. Yang, "Joint ...
  • C. Baecchi, T. Uricchio, M. Bertini, and A. Del Bimbo, ...
  • X. Zhu, B. Cao, S. Xu, B. Liu, and J. ...
  • D. Borth, R. Ji, T. Chen, T. Breuel, and S-F. ...
  • Z. Zhao, H. Zhu, Z. Xue, Z. Liu, J. Tian, ...
  • Q. Fang, C. Xu, J. Sang, MS. Hossain, and G. ...
  • ]۲۵[ علیرضا قربانعلی، محمد کریم سهرابی و فرزین یغمایی، "طبقه ...
  • N. Xu, W. Mao, "A residual merged neutral network for ...
  • N. Xu, "Analyzing multimodal public sentiment based on hierarchical semantic ...
  • N. Xu, W. Mao, and G. Chen, "A co-memory network ...
  • T. Jiang, J. Wang, Z. Liu, and Y. Ling, "Fusion-extraction ...
  • X. Yang, S. Feng, D. Wang, and Y. Zhang, "Image-text ...
  • Y. Xiao, F. Codevilla, A. Gurram, O. Urfalioglu, and AM. ...
  • X. Zhang, J. Liu, J. Shen, S. Li, K. Hou, ...
  • J. Huang, J. Tao, B. Liu, Z. Lian, and M. ...
  • ]۳۵[ فاضل فصیحی، محمودرضا کی­منش، سیدعلی صحاف و سهیل قره، ...
  • Y. Zhang, B. Wallace, "A sensitivity analysis of (and practitioners' ...
  • Y. Cheng, L. Yao, G. Xiang, G. Zhang, T. Tang, ...
  • AH. Ombabi, W. Ouarda, and AM. Alimi , "Deep learning ...
  • JP. Gujjar, HP. Kumar, and NN. Chiplunkar, Image classification and ...
  • T. Tang, X. Tang, and T. Yuan ,"Fine-Tuning BERT for ...
  • TN. Rincy, R. Gupta,"Ensemble Learning Techniques and its Efficiency in ...
  • X. Frazao, LA. Alexandre, "Weighted convolutional neural network ensemble", in ...
  • Á. Casado-García, J. Heras," Ensemble methods for object detection", In: ...
  • Y. Kawana, N. Ukita, J-B. Huang,and M-H. Yang,"Ensemble convolutional neural ...
  • S. Poria, H. Peng, A. Hussain, N. Howard, and E. ...
  • L. Nanni, YM. Costa, RL. Aguiar, RB. Mangolin, S. Brahnam, ...
  • AK. Das, S. Ghosh, S. Thunder, R. Dutta, S. Agarwal, ...
  • D. Alexandru, S. Stelian, NI. Alina, and F.Aschim, "Ensembles of ...
  • Y. Wang, M. Huang, X. Zhu, and L. Zhao, "Attention-based ...
  • J. Briskilal, C. Subalalitha, "An ensemble model for classifying idioms ...
  • J. Devlin, M-W. Chang, K. Lee, and K. Toutanova, "Bert: ...
  • K. Simonyan, A. Zisserman, "Very deep convolutional networks for large-scale ...
  • S. Qian, C. Ning,and Y. Hu ,"MobileNetV۳ for Image Classification", ...
  • M. Abd Elaziz, A. Dahou, NA. Alsaleh, AH. Elsheikh, AI. ...
  • Q .You, L. Cao, H. Jin, and J. Luo ,"Robust ...
  • Q. You, H. Jin,and J. Luo ,"Visual sentiment analysis by ...
  • H. Chen, M. Sun, C. Tu, Y. Lin, and Z. ...
  • A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, ...
  • Y. Zhu, W. Zheng, and H. Tang, "Interactive dual attention ...
  • Q. Le, T. Mikolov ,"Distributed Representations of Sentences and Documents", ...
  • نمایش کامل مراجع