تحلیل احساسات از متن با استفاده از شبکه های پیچیده بسیار عمیق

با گسترش و استفاده روزافزون وب و شبکه های اجتماعی شاهد حجم انبوهی از نظرات کاربران در ارتباط با موضوعات مختلف هستیم. مطالعه و تحلیل نظرات و احساسات در حجم انبوه متون، ما را با چالشهای زیادی مواجه کرده است. تحلیل احساسات، به استفاده از پردازش زبان طبیعی NLP در مواردی مانند بررسی و پاسخ نظر سنجی، آنلاین و رسانه های اجتماعی اشاره دارد. رویکرد غالب برای بسیاری از فعالیت های NLP شبکه های عصبی بازگشتی به خصوص LSTM ها هستند به هر حال، این معماری ها در مقایسه با شبکه های کانولوشنی نسبتا کم عمق می باشند. در این مقاله، یک معماری بسیار عمیق برای تحلیل احساسات با استفاده از کانولوشن های کوچک و اعمال پولینگ ارایه شده است. نتایج تجربی نشان داد که عملکرد این مدل با افزایش عمق بهبود مییابد و نسبت به چندین روش های پایه برتری دارد

کلیدواژه ها:

پردازش زبان طبیعی ، تحلیل احساسات ، معماری بسیار عمیق ، شبکه عصبی کانولوشن