یادگیری توام برای طبقه بندی ویژگی و قطبیت در نظراتفارسی با استفاده از یادگیری عمیق چ ندو ظیفهای

چکیده مقاله

هدف اصلی این مقاله متمرکز بر دو زیرمساله مرتبط با تحلیل احساسات مبتنی بر ویژگی یعنی، تشخیص مقوله ویژگی ACD وقطبیت مقوله ویژگی ACP در زبان فارسی است روش های قبلی در حل این مسائل در بسیاری از زبان ها، آنها را به عنوان دو مسالهجداگانه بیان کرده و به حل آنها می پردازند در این مقاله، ما یک مدل یادگیری چندوظیف های مبتنی بر شبکه های عمیق را پیشنهادمی دهیم، که می تواند به صورت توام مشترک مقوله ویژگی و قطبیت آن را شناسایی و استخراج کند در راستای این کار و برای مقایسه،از چندین شبکه عمیق همانند، CNN ، LSTM ، Bi LSTM و GRU استفاده گردید روش پیشنهادی با استفاده از یک مجموعه دادهمنحصربه فرد از نظرات ارائه شده در خصوص فیلم های فارسی مورد ارزیابی قرار گرفت که در پایان مدل CNN بهترین عملکرد را درمعیارهای ارزیابی دقت زیرمجموعه و شاخص جاکارد، به ترتیب با نمره های ۶۷ ۵ % و ۷۷ ۰۷۵ % به دست آورد

کلیدواژه‌ها

نویسندگان

میلاد وزان

دانشگاه تبریز، گروه علوم کامپیوتر، تبریز

وزان، میلاد،1400،یادگیری توام برای طبقه بندی ویژگی و قطبیت در نظراتفارسی با استفاده از یادگیری عمیق چ ندو ظیفهای،اولین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند،لارستان

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی تحول دیجیتال و سیستم های هوشمند5 اردیبهشت 1403 · لارستان