تشخیص احساسات از متن قرآن با استفاده از شبکه یادگیری عمیق روبرتای پیشرفته

با گسترش مداوم داده ها و زمینه ها، حجم وسیعی از محتوای متنی، از جمله کتاب، وبلاگ و مقاله، به صورت الکترونیکی تولید و توزیع می شود. تجزیه و تحلیل چنین محتوای گسترده ای به صورت دستی کاری وقت گیر است. تشخیص خودکار احساسات و عواطف در این متون بسیار مهم است، زیرا به شناسایی احساسات منتقل شده توسط نویسنده، درک سبک نگارش نویسنده و تعیین مخاطب هدف برای این متون کمک می کند. قرآن به عنوان کلام خدا و معجزه الهی به عنوان راهنمای جامع و بازتاب زندگی انسان عمل می کند. تشخیص عواطف و احساسات در محتوای قرآن به درک عمیق تر از احکام خداوند کمک می کند. پیشرفت های اخیر، به ویژه استفاده از مدل های زبان مبتنی بر ترانسفورماتور در پردازش زبان طبیعی، نتایج پیشرفته ای را به همراه داشته است که پیشی گرفتن از آنها به راحتی دشوار است.در این مقاله، ما روشی را برای افزایش دقت و کلیت این مدل ها با ترکیب ویژگی های نحوی مانند Parts Of Speech (POS) و برچسب های Dependency Parsing پیشنهاد می کنیم. هدف رویکرد ما ارتقای عملکرد مدل های تشخیص احساسات، قوی تر کردن و کاربردی تر کردن آن ها در زمینه های مختلف است. برای آموزش و ارزیابی مدل، ما از مجموعه داده Isear استفاده کردیم، که مجموعه داده ای کاملا تثبیت شده و گسترده در این زمینه است. نتایج نشان می دهد که مدل پیشنهادی ما در مقایسه با مدل های موجود، به دقت 77 درصد در این مجموعه داده دست می یابد. در نهایت، مدل پیشنهادی جدید را برای تشخیص احساسات و عواطف منتقل شده در ترجمه انگلیسی ایتانی قرآن به کار بردیم. نتایج نشان داد که شادی بیشترین سهم را در محتوای عاطفی قرآن کریم دارد.