تعیین قطبیت نظرات مشتری های هتل با ترکیب مدل های کانولوشن و BLSTM با استفاده از Word۲Vec بر روی زبان فارسی
محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 251
- 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:
AISC01_042
تاریخ نمایه سازی: 16 آبان 1401
چکیده مقاله:
با افزایش تعداد وب سایت های ارتباط جمعی, مردم تمایل دارند دیدگاه های خود را در مورد همه چیز به صورت آنلاین به اشتراک بگذارند. این راهی مناسب برای انتقال پیام ها به کاربران نهایی در یک موضوع خاص است. آنالیز احساسی شاخه ای از پردازش زبان طبیعی است که به شناسایی نظرات کاربران نسبت به موضوعات خاص اشاره دارد. این کار در زمینه های مختلفی مانند بازاریابی، خدمات مشتری و غیره مورد استفاده قرار می گیرد. از سوی دیگر، یادگیری عمیق به دلیل نقش موفقیت آمیز آن در چندین کار پردازش زبان طبیعی محبوب شده است. هدف این مقاله، ارائه یک معماری یادگیری عمیق نوین برای تحلیل احساسات فارسی است. با توجه به مدل پیشنهادی، ویژگی های محلی توسط شبکه های عصبی کانولوشن استخراج می شوند و وابستگی های طولانی مدت توسط BLSTM، بنابراین این مدل می تواند از توانایی های شبکه های عصبی کانولوشن و BLSTM ببرد. علاوه بر این، روش پیشنهادی جهت نمایش کلمات از مدل Word۲vec استفاده می نمایید. ما مدل پیشنهادی را بر روی مجموعه داده ی فارسی که در این مطالعه معرفی شده است، مورد ارزیابی قرار می دهیم. نتایج تجربی اثربخشی مدل پیشنهادی را با دقت ۸۸.۶ % در زبان فارسی نشان می دهد
کلیدواژه ها:
تعیین قطبیت متن ، ترکیب مدل های شبکه عمیق ، تعبیه کلمات ، حافظه کوتاه مدت طولانی دوطرفه ، شبکه عصبی کانولوشن
نویسندگان
کمیل آقابابایی
مربی دانشگاه دریایی امام خامنه ای مدظله العالی نیروی دریایی سپاه