کلاس بندی پیام های منتشر شده در شبکه های اجتماعی در بحران کرونا بر اساس قطبیت آن ها
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
بحران کرونا مردم ایران را با طیف گسترده ای از افکار و احساسات مثبت و منفی روبرو کرد. مردم این احساسات را در شبکه های اجتماعی به اشتراک می گذاشتند. شبکه های اجتماعی در دوران کرونا نقش بسیار مهمی در انتشار اطلاعات و بازتاب احساسات مردم داشته اند. بررسی این داده های شبکه های اجتماعی برای دولت ها و سازمان های بهداشت در سراسر جهان حایز اهمیت است. به همین خاطر پژوهش های زیادی به بررسی این داده ها با رویکردهای مختلف در سراسر جهان پرداختند. در این مقاله نیز به تحلیل قطبیت و کلاس بندی پیام های منتشر شده در شبکه های اجتماعی در بحران کرونا پرداخته شد. برای این منظور پیام هایی که کاربران فارسی زبان در این شبکه ها به اشتراک گذاشتند، بررسی شدند. برای کلاس بندی داده های موجود از روش های پردازش زبان طبیعی و روش های یادگیری عمیق استفاده شد. برای کلاس بندی پیام ها با محتوای مثبت و منفی، روش های یادگیری عمیق مختلفی با معماری های متفاوت (شامل شبکه های کانولوشنی، شبکه های بازگشتی عمیق با حافظه و فازی-بازگشتی عمیق با حافظه) با توجه به داده های موجود اعمال شد تا بتوانیم به بهترین نتیجه ممکن دست یابیم. بهترین نتیجه با استفاده از شبکه های عمیق کانولوشنی سه لایه به دست آمد که صحت آن 72.29 بود. در نهایت، یک مقایسه کلی از جنبه های مختلف، روی شبکه های استفاده شده انجام شد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
81 تا 93
لینک کوتاه:
magiran.com/p2678829
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- 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.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!