|
|
|
|
پیش بینی شکلک متناسب با متن با استفاده از روش bagging
|
|
|
|
|
|
|
|
نویسنده
|
شیعه نگار ,خلیل عباسی ابراهیم
|
|
منبع
|
اولين همايش ملي هوش مصنوعي و محاسبات نرم در علوم انساني - 1398 - دوره : 1 - اولین همایش ملی هوش مصنوعی و محاسبات نرم در علوم انسانی - کد همایش: 98190-15887 - صفحه:0 -0
|
|
چکیده
|
امروزه شکلکها زبان مشترک در بین ملتهای مختلف با زبان و گویشهای متفاوت است. انتخاب خودکار یک شکلک متناسب با متن یکی از قابلیتهای مورد انتظار در شبکههای اجتماعی و سیستمهای ارتباط جمعی در فضای مجازی است. یادگیری ماشین و پردازش زبان طبیعی به عنوان دو روش کارآمد در پیش بینی و انتساب یک شکلک به یک متن دارای دقت بالاتری نسبت به سایر الگوریتمها و روشهای اکتشافی دیگر هستند. هدف این مقاله ارزیابی میزان دقت و کارآمدی الگوریتمهای ترکیبی یادگیری ماشین نسبت به الگوریتمهای طبقهبندی در مساله انتساب خودکار شکلک متناسب به متن انگلیسی است. به این منظور، ابتدا دقت تعدادی از الگوریتمهای طبقهبندی به صورت مستقل ارزیابی و سپس با استفاده از روش ترکیبی bagging، دقت مدل ترکیبی حاصل از این الگوریتمها محاسبه شد. ارزیابی نشان داد که مدل ترکیبی دارای دقت بیشتر و خطای کمتری نسبت به الگوریتم ماشین بردار پشتیبان که در بین الگوریتمهای طبقهبندی دقت بالاتری داشت، است.
|
|
کلیدواژه
|
پیش بینی شکلکها، پردازش زبان طبیعی ، طبقهبندی ترکیبی ، یادگیری ماشین
|
|
آدرس
|
, iran, , iran
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
na
|
|
|
|
|
Authors
|
|
|
Abstract
|
na
|
|
Keywords
|
na
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|