طراحي مدلي مبتني بر روشهاي پردازش زبان طبيعي و يادگيري ماشيني جهت تحليل احساسات مشتريان با استفاده از دادههاي متني

كارشناسي ارشد

تحليل احساس يكي از زيرشاخه¬هاي پردازش زبان طبيعي است كه هدف آن طبقه¬بندي متون با توجه به احساس، عقيده و نگرش بيان شده در آنها است. در دهه¬هاي گذشته روي استفاده از رويكردهاي يادگيري ماشين جهت حل مسائل تحليل احساس كارهاي زيادي انجام گرفت، اما تمركز اصلي آنها بر روي ساخت استخراج كننده هاي ويژگي قوي¬تر بوده است، زيرا كه عملكرد اين يادگيرنده ها بيشتر به انتخاب نحوه بازنمايي داده وابسته است. در سال¬هاي اخير با افزايش قدرت محاسباتي و پيشرفت علم يادگيري عميق، با واگذاري يادگيري الگوها به ماشين، پيشرفت¬هاي چشمگيري در بسياري از مسائل رشته¬هاي مختلف به ويژه در طبقه بندي متون و تحليل احساس حاصل شده است. در تحليل احساس، بيشتر اين پيشرفت¬ها براي زبان انگليسي صورت گرفته و در زبان فارسي به دليل چالش¬هايي همچون عدم دسترسي به مجموعه داده كافي و ابزارهاي دقيق پردازش متن، پيشرفت¬ها به آن ميزان چشمگير نبوده است. هدف از اين تحقيق، طراحي مدلي مبتني بر يادگيري عميق و پردازش زبان طبيعي است كه بتواند فرايند تحليل احساسات را با دقت بالايي درك كند. از جمله نوآوري¬هاي تحقيق حاضر مي¬توان به پيش پردازش دقيق مجموعه داده اشاره كرد كه به بهينه ترين حالت ممكن انجام شده است كه در نهايت دقت 99 درصدي در مدل¬هاي يادگيري عميق همچون شبكه عصبي پيچشي و شبكه عصبي حافظه طولاني كوتاه مدت دوسويه اشاره كرد لازم به ذكر است مدل شبكه عصبي پيچشي به صورت يك بعدي بوده و از عملگر Relu براي فعال¬سازي نورون¬ها در لايه هاي مختلف استفاده شده و در شبكه عصبي حافظه طولاني كوتاه مدت دوسويه از دو عملگر فعال¬سازي Relu و بيشنيه نرم به صورت تركيبي استفاده شده كه دقت نتايج را نسبت به مدل¬هاي كلاسيك يادگيري عميق همچون ماشين بردار پشتيبان و جنگل تصادفي، ارتقا داده است. همچنين مي¬توان به اين نكته اشاره نمود كه در اين تحقيق از شبكه عصبي حافظه طولاني كوتاه مدت دوسويه استفاده شده كه متفاوت از روش شبكه عصبي يك جهته مي¬باشد به اين صورت كه نورون¬ها بين لايه¬ها حركت رفت و برگشتي دارند كه باعث مي¬شود هم در جهت رو به جلو و هم درجهت مخالف بين لايه¬ها حركت كنند كه از مزيت¬هاي اين روش مي¬توان به حفظ داده¬ها و اطلاعات مهم در لايه¬هاي زيرين شبكه عصبي اشاره كرد. هدف از طراحي چهار مدل در تحقيق حاضر يافتن تفاوت¬هاي موجود در بحث طبقه¬بندي نظرات در هريك از مدل¬هاي پيشنهادي است مجموعه داده پس از مرحله پيش پردازش كه شامل ريشه¬يابي، نرمال¬سازي، حذف كلمات توقف است در چهار مدل طراحي شده با استفاده از جنگل تصادفي، ماشين بردار پشتيبان، شبكه عصبي پيچشي و شبكه عصبي حافظه طولاني كوتاه مدت قرار مي-گيرند و در نهايت بين چهار مدل طراحي شده مقايسه صورت مي¬گيرد كه نشان خواهد داد كه مدل¬هاي يادگيري عميق برتري قابل توجهي نسبت به مدل¬هاي پايه¬اي يادگيري ماشيني دارند و دقت نهايي مدل-هاي يادگيري عميق برتري 20 درصدي در بحث طبقه را نشان مي¬دهد. طبق تحقيقات انجام شده در حوزه تحليل احساسات، امروزه استفاده از روش¬هاي ابتدايي پردازش زبان طبيعي دقت بالايي را نتيجه نمي¬دهد.

196528

دانشگاه علم و صنعت ايران

دكتر فرناز برزين پور

مهندسي صنايع

دكتر رسول نورالسناء