مقایسه عملکرد مدل های زبانی برت و روبرتا در تحلیل احساسات توییتر در زبان انگلیسی

چکیده مقاله

تحلیل احساسات در شبکه های اجتماعی به ویژه توییتر، به یکی از موضوعات مهم در حوزه پردازش زبان طبیعی تبدیل شده است این مطالعه به مقایسه عملکرد دو مدل زبانی پیشرفته، برت و روبرتا، در تحلیل احساسات توییتر می پردازد با استفاده از مجموعه داده Sentiment۱۴۰ که شامل ۱ ۶ میلیون توییت برچسب گذاری شده است، هر دو مدل برای طبقه بندی احساسات آموزش داده شدند پس از چهار دوره آموزش، برت همچنین هزینه پایین تری را نشان داد ۰ ۱۲۸۱ در مقابل ۰ ۱۹۳۸ برای داده های آموزشی با این حال، تفاوت بین دقت آموزشی و اعتبارسنجی در برت ۳ ۰۹% بیشتر از روبرتا ۱ ۳۴% بود که می تواند نشان دهنده تمایل بیشتر برت به بیش برازش باشد این نتایج نشان می دهد که هر دو مدل قادر به تشخیص موثر احساسات در توییت ها هستند، اما برت در این مطالعه خاص عملکرد بهتری داشته است با این وجود، ثبات بیشتر روبرتا بین داده های آموزشی و اعتبار سنجی می تواند مزیتی برای کاربردهای عملی باشد این مطالعه تایید می کند که مدل های زبانی پیش آموزش دیده می توانند با دقت بالایی احساسات را در متونکوتاه شبکه های اجتماعی تشخیص دهند

کلیدواژه‌ها

نویسندگان

امیر عابدینی

کارشناسی ارشد هوش مصنوعی، دانشگاه جامع امام حسین ع ، تهران

محمدعلی جوادزاده

استادیار دانشگاه جامع امام حسین ع ، تهران

�ابدینی، امیر و جوادزاده، محمدعلی،1403،مقایسه عملکرد مدل های زبانی برت و روبرتا در تحلیل احساسات توییتر در زبان انگلیسی،سومین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی،همدان

ارائه‌شده در

مجموعه مقالات سومین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی3 شهریور 1403 · همدان