مروری بر روش‌های یادگیری عمیق برای طبقه‌بندی هیجان در متن: پیشرفت‌ها، چالش‌ها و فرصت‌ها

امروزه افراد در بستر وب احساسات و هیجان خود را با کمک ابزارهای ارتباطی مختلف به اشتراک می‌گذارند، که یکی از رایج‌ترین آنها بیان احساسات در محتوای متنی مانند پست‌های رسانه‌های اجتماعی، نظرات فروشگاه‌های برخط و مرورهای کاربران است. تشخیص هیجان در متن شاخه‌ای از تحلیل احساسات است که هدف آن شناسایی انواع مختلف هیجان نویسنده در متن است. این حوزه علمی به تولیدکنندگان و ارائه‌کنندگان خدمات کمک می‌کند تا از نقاط ضعف و قوت خود آگاه شده و خدمات بهتری را برای مشتریان فراهم آورند. در سال‌های اخیر، تشخیص هیجان در متن به دلیل کاربردهای گسترده‌اش در تجارت، اقتصاد، سیاست، پزشکی، روانشناسی و جامعه‌شناسی به یک زمینه تحقیقاتی جذاب تبدیل شده است. در این مقاله مساله طبقه‌بندی هیجان در متن و روش‌های حل آن با تاکید بر یادگیری عمیق بررسی خواهد شد. همچنین شرح مختصری بر جدیدترین راهکارهای یادگیری عمیق ارائه خواهد شد که در سال‌های اخیر برای طبقه‌بندی هیجان در متن مورد استفاده قرار گرفته‌اند. علاوه بر این، تعدادی مجموعه داده برچسب‌گذاری شده، مهم‌ترین مسائل باز در تشخیص هیجان و جهت‌گیری‌های تحقیقاتی آینده نیز مطرح خواهند شد که می‌تواند راهنمای خوبی برای محققین جدید این حوزه باشد.

a survey on deep learning methods for text-based emotion classification: advances, challenges, and opportunities

today, people on the web share their feelings and emotions with the help of various communication tools, one of the most common of which is the expression of feelings in textual content, such as social media posts, online store reviews, and user reviews. emotion detection in text is a branch of sentiment analysis that aims to identify different types of human emotion in the text. this scientific field helps manufacturers and service providers to be aware of their weaknesses and strengths, and to provide better services to customers. in recent years, emotion recognition in text has become an attractive research field due to its wide applications in business, economics, politics, medicine, psychology, and sociology. in this article, the problem of emotion classification in text and its solution methods will be investigated with emphasis on deep learning. also, a brief description of the latest deep learning solutions that have been used in recent years to classify emotion in text will be discussed. in addition, some labelled datasets, the most important open issues in emotion recognition, and future research directions will also be presented, which can be a good guide for new researchers in this field.