آمار
| تعداد نشریات | 45 |
| تعداد شمارهها | 1,441 |
| تعداد مقالات | 17,724 |
| تعداد مشاهده مقاله | 57,849,158 |
| تعداد دریافت فایل اصل مقاله | 19,478,354 |
یک مدل عمیق CNN-BiLSTM مبتنی بر مکانیزم توجه برای تحلیل احساسات نظرات کاربران در رسانههای اجتماعی | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 03 دی 1404 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2025.67687.5036 | ||
| نویسندگان | ||
| رضا لطیفی اردهائی1؛ محمد اسدپور* 2؛ میرهادی سیدعربی3 | ||
| 1گروه مهندسی کامپیوتر- دانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز- تبریز- ایران | ||
| 2دانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز- تبریز - ایران | ||
| 3گروه مهندسی مخابرات- دانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز- تبریز - ایران | ||
| 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. | ||
| کلیدواژهها | ||
| تحلیل احساسات؛ یادگیری عمیق؛ CNN؛ Bi-LSTM؛ مکانیزم توجه؛ رسانه های اجتماعی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 8 |
||