کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تحلیل احساسات فارسی با مدل‌های یادگیری ماشین: رویکرد هیبریدی مبتنی بر CNN-BiLSTM با مکانیسم توجه

نویسندگان :

تینا یزدی کجانی¹ مجید قاسمیان²

1- دانشگاه گیلان - دانشکده فنی و مهندسی شرق گیلان 2- دانشگاه گیلان - دانشکده فنی و مهندسی شرق گیلان

کلمات کلیدی :

تحلیل احساسات،زبان فارسی،یادگیری ماشین،شبکه عصبی کانولوشنی،مکانیسم توجه،پردازش زبان طبیعی

چکیده :

تحلیل احساسات فارسی به‌عنوان یکی از شاخه‌های مهم پردازش زبان طبیعی ، در سال‌های اخیر به‌دلیل پیچیدگی‌های زبانی و کمبود منابع داده‌ای با چالش‌های متعددی مواجه بوده است. در این پژوهش، یک رویکرد هیبریدی مبتنی بر ترکیب شبکه‌های کانولوشنی، شبکه‌های حافظه بلندکوتاه دوجهته و مکانیزم توجه ارائه شده است تا با بهره‌گیری از جاسازی‌های زبانی ، ویژگی‌های محلی و وابستگی‌های معنایی متون فارسی به‌صورت هم‌زمان مدل‌سازی شوند. مدل پیشنهادی بر روی چند مجموعه‌داده‌ معتبر فارسی شامل SentiPers، DeepSentiPers، SnappFood، Digikala و LDPSA پیاده‌سازی و ارزیابی شد. نتایج نشان می‌دهد مدل ترکیبی پیشنهادی در مقایسه با مدل‌های پایه مانند SVM، LSTM و CNN به‌ترتیب بهبود میانگین ۱۵ درصدی در F1-Score و دقت کلی ۹۲٫۳ درصدی را ارائه می‌دهد. همچنین، مقادیر AUC برای کلاس‌های مثبت، منفی و خنثی به‌ترتیب ۰٫۹۶۱، ۰٫۹۰۷ و ۰٫۸۸۸ محاسبه شد که نشان‌دهنده‌ی توان تفکیک بالا و عملکرد متوازن مدل در تشخیص احساسات مختلف است. یافته‌ها اثربخشی ساختار پیشنهادی را در بهبود طبقه‌بندی احساسات فارسی و مدیریت متون غیررسمی و طعنه‌آمیز تأیید می‌کند.