تحلیل و بررسی تعیین حالات روحی از روی متون با استفاده از الگوریتم تکاملی رقابت استعماری

چکیده هدف از پژوهش حاضر متن‌کاوی جهت پی بردن به حالت روحی افراد در تایپ متون است. در این پژوهش از 14640 توئیت در رابطه با خطوط هوایی جهت تحلیل احساسات در سه دسته‌ی مثبت، منفی و خنثی استفاده شده است. طرح پیشنهادی جدید دارای سه مرحله اصلی است. در مرحله اول پیش پردازشی به منظور آماده سازی پایگاه داده انجام می‌‌گیرد. در مرحله دوم با استفاده از الگوریتم رقابت استعماری کلمات اصلی را از بین تمامی کلمات موجود استخراج می‌شود. منظور از کلمات اصلی کلماتی هستند که بیشترین تاثیر را برای دسته‌بندی دارند. سپس با استفاده از یک شبکه‌ی عصبی پیچشی اقدام به استخراج ویژگی‌های مناسب صورت می‌گیرد. سپس درمرحله آخر با استفاده از یک شبکه‌ی عصبی پرسپترون چندلایه (mlp) طبقه بندی انجام می‌گیرد. در روش پیشنهادی جدید، برخلاف روش های مرسوم که کلمات بعد از پیش پردازش به مرحله ی بعد راه پیدا می کنند، با استفاده از الگوریتم رقابت استعماری از میان تمامی این کلمات ،کلمات اصلی را استخراج می‌کنیم که این کار خود سبب کاهش قابل توجهی از حجم کلمات ورودی می‌شود. طرح پیشنهادی جدید در آزمایش تجربی توانست به‌ پارامترهای دقت 0/990، صحت 0/983 و فراخوانی 0/875 برسد. این نتایج نشان‌دهنده‌ی برتری طرح پیشنهادی این مقاله در مقایسه با سایر روش های قبلی می‌باشد.

Determination of Mental States from Texts Using Evolutionary Imperialist Competitive Algorithm and Convolution Neural Networks

Abstract The aim of this study is to investigate writings to find out the mood of people in typing texts. In this study, 14640 tweets related to airlines were used to analyze emotions in three categories: positive, negative and neutral. The novel proposed approach has three main steps. In the first step, we perform a preprocessing operation to purify the dataset. In the second step, using the Imperialist Competitive Algorithm (ICA), the main keywords from all the existing texts are extracted. Keywords are the words that have the most impact on categorization. Then, a convolution neural network (CNN) is exploited to extract more features. In the last step, classification, using a multilayer perceptron neural network (MLP), is applied. In the proposed new method, unlike the conventional methods in which words go to the next stage after preprocessing, we use the Imperialist Competitive Algorithm to extract the main words from all these words, which in turn causes There is a significant reduction in the volume of input words.using this new proposed approach, we achieved precision, accuracy and recall of 0.990, 0.983 and 0.875, respectively. The experimental results indicated the superiority of the proposed method the comparison with other wellknown approaches.