تحلیل احساسات کاربران شبکههای اجتماعی با استفاده از یادگیری ماشین [Persian Thesis]
فرنوش ادیبی
| شناسگر رکورد: | ۱۵۸۶۴ |
| رشته تحصیلی: | مهندسی فناوری اطلاعات |
| عنوان: | تحلیل احساسات کاربران شبکههای اجتماعی با استفاده از یادگیری ماشین |
| نويسنده: | فرنوش ادیبی |
| استاد راهنما : | دکتر محمد عشقی |
| استاد راهنما : | دکتر بابک مجیدی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۷ |
| چکیده: | روزانه حجم بسیار زیادی از نظرات توسط کاربران در وب بخصوص در شبکههای اجتماعی، سایتهای نقد و بررسی آنلاین، انجمنها و شبکههای اجتماعی منتشر میشود. به علت حجم بسیار زیاد این دادهها و اطلاعات متنی، تجزیه و تحلیل آنها توسط انسان بسیار دشوار، زمانبر و عملا غیرممکن میباشد. بنابراین به وجود سیستمی که به صورت خودکار بتواند نظرات را تجزیه و تحلیل کند، نیاز است. تحلیل احساسات راه حلی برای این مسئله میباشد. تحلیل احساسات زیر شاخهای از پردازش زبان طبیعی و فرآیندی است که به کشف نگرشها، دیدگاهها و احساسات مثبت یا منفی افراد از روی نوشتههایشان میپردازد. با توجه به موفقیت یادگیری عمیق در بسیاری از زمینههای کاربردی به سبب تواناییهایش در استخراج خودکار ویژگیها و یادگیری الگوهای پیچیده، هدف از این تحقیق ارائه مدلی به منظور تحلیل و طبقهبندی احساسات کاربران شبکه اجتماعی توییتر با استفاده از مدلهای یادگیری عمیق میباشد. در این تحقیق، مدلهای شبکه عصبی CNN و LSTM به منظور طبقهبندی احساسات توییتها طراحی شده است. همچنین چهار الگوریتم سنتی یادگیری ماشین روی دادههای شبکه اجتماعی توییتر به منظور مقایسه با نتایج مدلهای پیشنهادی پیادهسازی شد، بیشترین دقت را مدل LSTM به میزان ۶۷.%۸۲ به دست آورد و دقت مدل CNN برابر ۵۰.%۸۰ شد. یکی از روشهایی که اخیرا توجه رسانههای تبلیغاتی را جذب کرده است تبلیغات شخصیسازی شده و هدفمند است. در این تحقیق نیز یکی از کاربردهای نوین تحلیل احساسات به عنوان تبلیغات شخصی سازی شده معرفی شده است. اکثر تحقیقات انجام شده در زمینه تحلیل احساسات بر روی زبان انگلیسی تاکید داشتند و تلاشهای اندکی برای زبانهای دیگر مانند زبان فارسی به علت فقدان ابزار و منابع در دسترس انجام شده است. از دیگر اهداف این تحقیق، پیادهسازی سیستمی به منظور تحلیل احساسات با استفاده از یادگیری عمیق در زبان فارسی است. به دلیل اینکه مجموعه داده قابل دسترسی در زبان فارسی وجود ندارد، ابتدا مجموعهای از نظرات کاربران در حوزه کالاهای دیجیتال از سایت دیجیکالا جمع آوری شد و پس از پیشپردازش و پاکسازی دادهها، مدل شبکه LSTM به منظور طبقهبندی احساسات روی آن ارزیابی گردید و به میزان دقت ۸۷% دست یافت. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| واژگان کلیدی: | مهندسی فناوری اطلاعات |
| واژگان کلیدی: | تحلیل احساسات |
| واژگان کلیدی: | پردازش زبان طبیعی |
| واژگان کلیدی: | یادگیری عمیق |
| واژگان کلیدی: | متن کاوی |
| واژگان کلیدی: | یادگیری ماشین |
| Register Number | Part3 | Version | Volume | Part | Part2 | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 225021 | 1 | ||||||||||
| 225022 | 2 |
LoginWithYourAccountToPostComment