تحلیل احساسات زبان فارسی با استفاده از شبکه های عصبی عمیق

پردازش زبان طبیعی یکی از زیر مجموعه های هوش مصنوعی است که به توانایی برنامه کامپیوتری برای فهمیدن زبان انسان به همان شیوه که سخن گفته می شود، اشاره دارد. تحلیل احساسات یکی از زمینه های تحقیقاتی پرطرفدار پردازش زبان طبیعی است که به بررسی مسئله شناسایی جهت گیری احساسات افراد می پردازد. در دنیای امروز، توسعه چشمگیر استفاده از اینترنت و شبکه های اجتماعی، روزانه تولید حجم انبوهی از داده های متنی را در پی دارد. به همین علت، پردازش متون و استخراج اطلاعات مفید و کاربردی از آن ها به امری مهم و حیاتی تبدیل شده است. بیشتر پژوهش های انجام شده در این حوزه به زبان انگلیسی می باشد و زبان فارسی علی رغم وجود داده های متنی بسیار غنی، به دلیل چالش های موجود، کمتر مورد توجه قرار گرفته است. در سال های اخیر، شبکه های عصبی عمیق به دلیل موفقیت بسیار در انجام کارهای مربوط به پردازش زبان طبیعی به عنوان راه حل موثری برای مسائل متن کاوی مانند دسته بندی اسناد، خلاصه سازی متون و تحلیل احساسات پدیدار شده اند. این مقاله برای نخستین بار به تحلیل احساسات نظرات فارسی در شبکه اجتماعی اینستاگرام با استفاده از شبکه های عصبی عمیق پرداخته است. هدف این تحقیق، بررسی احساسات و تشخیص قطبیت نظرات افراد با استفاده از سه مدل مختلف شبکه عصبی بازگشتی عمیق شامل: rnn، lstm و gru‌ می باشد. نتایج به دست آمده حاکی از آن است که مدل lstm با دقت 67 درصد بهترین عملکرد را داشته است.