ارائه یک روش جدید تحلیل احساسات مبتنی بر الگوریتم بهینه سازی ارشمیدس چندهدفه و یادگیری ماشین
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
گسترش و محبوبیت شبکه های اجتماعی در بین افراد، توجه متخصصان بیش ازپیش به فعالیت ها، واکنش ها و احساسات افراد در این شبکه ها نسبت به سایر محافل معطوف گشته است. تحلیل این حجم از اطلاعات متنی غیرساخت یافته کاربران نیازمند روش های نوین و بهینه متن کاوی و پردازش زبان طبیعی است. هدف تحلیل احساسات این است که حجم انبوهی از نظرات پیرامون یک موجودیت توسط ماشین مورد بررسی قرار گیرد و گزارش خلاصه شده ای از احساس بیان شده در آن به کاربر ارائه گردد. برای دستیابی به این هدف تکنیک های آماری، داده کاوی و پردازش زبان طبیعی مورداستفاده قرار می گیرند. در این مقاله روش جدیدی مبتنی بر الگوریتم بهینه سازی ارشمیدس ارائه شده است تا بتوان در زمان کمتر و دقتی بالاتر نظرات کاربران را دررابطه با موضوع موردنظر به دست آورد. همچنین جهت ازبین بردن یکی از چالش های اصلی در تحلیل احساسات در مرحله استخراج ویژگی تمام جملات کنایه آمیز جمع شده و به عنوان جملات باکلاس مشخص وارد مجموعه داده می شود تا این چالش بزرگ را از بین ببرند. این روش قابلیت اعمال بر روی زبان های گوناگون را داشته و سعی بر بالابردن دقت و سرعت الگوریتم های پیشین دارد. نتایج ارزیابی از مجموعه داده ها نشان می دهد که روش پیشنهادی دارای دقت 0.967 می باشد.
کلیدواژگان:
زبان:
فارسی
صفحات:
145 تا 153
لینک کوتاه:
magiran.com/p2713202
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!