چکیده مقاله
با رشد روزافزون نقدهای متنی کاربران در پلتفرمهایی مانند آمازون نیاز به سیستمهای دقیق و کارآمد برای تحلیل احساسات بیش از پیش احساس می شود اگرچه مدلهای یادگیری عمیق، به ویژه BERT، در درک زبان طبیعی پیشرفتهای چشمگیری داشته اند اما عملکرد آنها در تحلیل دقیق احساسات متون غیررسمی نویزی و پرزمینه همچنان با چالش مواجه است این پژوهش یک معماری ترکیبی نوآورانه ارائه می دهد که با توسعه مدل LeBERT و ادغام چهار مولفه مکمل طراحی شده است: ۱ بهره گیری از BERT برای استخراج ویژگی های زمینه آگاه، ۲ طراحی یک CNN چند شاخه ای با کرنل های ۳، ۴ و ۵ برای استخراج الگوهای چند مقیاسی، ۳ فیلترسازی هوشمند مبتنی بر دوبیگرام های احساسی استخراج شده از واژگان NRC جهت کاهش نویز و تمرکز بر عبارات کلیدی، و ۴ ادغام سیگنال فرامتنی helpful_rate برای بهره گیری از اعتبارسنجی جمعی افزون بر این، مجموعه ای از بهینه سازی های فنی شامل آموزش با دقت مختلط و مدیریت پویای حافظه GPU به منظور افزایش کارایی مدل اعمال شده است مدل بر مجموعه ای شامل ۱۶۳۵۳ نقد آمازون ارزیابی شد نتایج نشان داد که به دقت کلی ۸۷٫۶۵٪ دست یافته و شاخص های Recall، Precision و F score برای هر دو کلاس مثبت و منفی در تعادل مطلوبی قرار دارند علاوه بر این مدل پیشنهادی بهبود ۵٫۲ درصدی دقت کلی نسبت به مدل پایه LeBERT را به اثبات رساند که اثر بخشی طراحی ترکیبی پیشنهادی را تایید می کند این تحقیق تاکید می کند که ترکیب درک معنایی عمیق، شناسایی الگوهای محلی، فیلتر داده های احساسی و بهره گیری از داده های فرامتنی منجر به ایجاد سیستمی دقیق، مقاوم و قابل اعتماد برای تحلیل احساسات نقدهای آنلاین می شود و کاربردهای گسترده ای در هوش تجاری، تحلیل بازخورد مشتری و سیستم های پیشنهاددهنده هوشمند دارد
کلیدواژهها
نویسندگان
احمد میرزائی
دانشجوی کارشناسی ارشد رشته هوش مصنوعی و رباتیکز گروه مهندسی کامپیوتر دانشکده فنی و مهندسی واحد الکترونیکی دانشگاه آزاد اسلامی، تهران، ایران
ایمان عطارزاده
هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
علی هارون آبادی
هیات علمی گروه مهندسی کامپیوتر دانشکده فنی و مهندسی واحد تهران مرکزی دانشگاه آزاد اسلامی، تهران، ایران
شیوه ارجاع
میرزائی، احمد و عطارزاده، ایمان و هارون آبادی، علی،1404،ارایه روشی برای بهبود دقت طبقه بندی احساسات نقدهای متنی کاربران در سایت آمازون با استفاده از مدلهای مبتنی بر BERT و شبکه های عصبی عمیق،هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات5 آذر 1404 · مشهد