چکیده مقاله
تجزیه و تحلیل احساسات ریزدانه، که معمولا به عنوان تحلیل احساسات مبتنی بر جنبه ABSA شناخته می شود، توجه قابل توجهی را در محافل دانشگاهی و صنعتی به خود جلب کرده است ABSA بر آشکار کردن جهت گیری احساسات مرتبط با موجودیت ها یا ویژگی های خاص در داده های متنی تمرکز می کند،که منجر به تصویری دقیق تر از تفاوتهای ظریف احساسی پیچیده می شود با این حال، به دلیل گستره وسیع کاربردهای ABSA، دامنه های خاصی با چالش هایی مانند اندازه های داده محدود و عدم وجود مجموعه های جامع و با کیفیت بالا مواجه هستند که منجر به مسائلی مانند یادگیری چند مرحله ای وسناریوهای کمبود منابع می شود برای پرداختن به موضوع محدود بودن اندازه مجموعه داده آموزشی، یکرویکرد قابل اجرا شامل استفاده از تولید بافت مبتنی بر متن برای گسترش مجموعه داده است در این مطالعه، ما تولید متن مبتنی بر Bert را با الگوریتم های فیلتر متن برای فرمول بندی مدل خود ترکیب میکنیم مدل ما به طور کامل از اطلاعات زمینه ای با استفاده از مدل برت، با تاکید ویژه بر روابط متقابلبین جملات، استفاده می کند این رویکرد به طور موثر روابط بین جملات و برچسب ها را ادغام می کند ومنجر به ایجاد یک پیکره افزایش داده اولیه می شود متعاقبا، الگوریتم های فیلتر برای افزایش کیفیت پیکرهتقویت اولیه با حذف داده های تولید شده با کیفیت پایین ابداع شده اند که در نهایت مجموعه داده هایپیشرفته متن نهایی را به دست می آورند یافته های تجربی در مجموعه داده های لپتاپ و رستوران نشانمی دهد که مجموعه داده های بهبودیافته کیفیت متن را افزایش می دهد و عملکرد مدل ها را برای طبقه بندیاحساسات سطح جنبه به طور قابل توجهی افزایش می دهد
کلیدواژهها
نویسندگان
شیوه ارجاع
قاسمپور مرزبالی، مهراد،1403،تحلیل احساسات مبتنی بر جنبه با استفاده از BERT،چهارمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات چهارمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات18 آذر 1403 · مشهد