| کاربرد بردار سبدکلمات و شبکه‌ی عصبی برای عقیده‌کاوی پیامهای توئیتری پیرامون موضوغ «توافق برجام» |
| کد مقاله : 1037-AISCH |
| نویسندگان |
|
محمدجلال پورامید *1، محمدرضا اصغری اسکوئی2 1دانشگاه علامه طباطبایی دانشکده‌ی علوم ریاضی و رایانه 2هیئت علمی گروه رایانه دانشگاه علامه طباطبائی |
| چکیده مقاله |
| امروزه استفاده از شبکه‌های اجتماعی بخش جدایی‌ناپذیر از زندگی جوامع مدرن شده است. با توجه به تعداد بسیار زیاد پیامهای متنی که روزانه تولید و در شبکه‌های اجتماعی منتشر می‌شود، استفاده از روش‌های یادگیری ماشین برای عقیده‌کاوی متن اهمیت چشمگیر و جایگاه کلیدی یافته است. در این مقاله، استخراج بسامد سبد کلمات اصلی به عنوان بردار ویژگی و استفاده از شبکه عصبی برای عقیده‌کاوی و طبقه‌بندی متن در سه گروه موافق، مخالف و خنثی پیشنهاد شده است. برای این منظور، مجموعه پیامهای متنی پیرامون موضوع توافق برجام از شبکه‌ی اجتماعی توئیتر استخراج شده و پس از انجام مراحل پیش‌پردازشی، مجموعه کلمات براساس بسامد به عنوان سبد کلمات انتخاب شده است. همچنین متن پیام‌ها در سه دسته موافق، مخالف و خنثی برچسب گذاری شده است. از شبکه عصبی برای یادگیری الگو و طبقه‌بندی داده‌ها و نیز روش ارزیابی متقابل برای ارزیابی عملکرد شبکه استفاده شده است. در آزمون‌ها، متوسط دقت 80% برای طبقه‌بندی معنائی حاصل شده است. ضمنا برای ارزیابی عملکرد یادگیری شبکه عصبی، این آزمون‌ها بازاء متون پیرامون موضوع پیوستن به سازکار جهانی بانک‌ها نیز به صورت مجزاء تکرار شده و در نتایج، دقت در حد 7۸% به دست آمده است. |
| کلیدواژه ها |
| عقیده‌کاوی، متن‌کاوی، یادگیری‌ماشین، توافق برجام، شبکه‌اجتماعی توئیتر |
| وضعیت: پذیرفته شده |