بررسی تکنیکهای یادگیری عمیق و کم عمق برای طبقهبندی هیجان در متون کوتاه فارسی
کاوشی جامع بر روش های یادگیری عمیق و کم عمق را برای تشخیص هیجان در متون کوتاه فارسی ارایه میکند. روش های یادگیری کم عمق در این مطالعه، از استتخراج ویژگی و کاهش ابعاد برای افزایش دقت طبقهبندی استتداده میکنند. از ستوی دیگر، روش های یادگیری عمیق در این بررستی از یادگیری انتقالی و جاستتازی کلمه، به ویژه جاستتازی BERT برای دستتتیابی به دقت طبقهبندی بالا استتتداده مینمایند. در این مقاله، همچنین یک مجموعه داده فارستی به نام " ShortPersianEmo " برای ارزیابی روش های پیشتنهادی معرفی شتده استت. این مجموعه داده شتام 5472 متن کوتاه فارسی متنوع است که در پنج کلاس هیجانی برچسب گذاری شدهاند. نتایج ارزیابی نشان میدهد که یادگیری انتقالی و جاسازی متن مبتنی بر BERT در طبقهبندی هیجانی متون کوتاه فارستی نستبت به رویکردهای جایگزین دقت بالاتری دارند. مجموعه داده ShortPersianEmo به صتورآ لنلاین در https://github.com/vkiani/ShortPersianEmo در دسترس عموم قرار گرفته است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.