بهبود تشخيص قطبيت و جنبه در تحليل احساسات زبان فارسي با استفاده از شبكه توجه گراف و درخت وابستگي نحوي (مورد مطالعه: نظرات كاربران در حوزه مديريت ارتباط با مشتري)

اصفهان : دانشگاه صنعتي اصفهان

مهندسي صنايع

كارشناسي ارشد

تحليل احساسات مبتني بر جنبه يكي از ابزارهاي كليدي در استخراج دانش از نظرات كاربران و بهبود فرآيندهاي تصميم‌گيري در حوزه مديريت ارتباط با مشتري محسوب مي‌شود، زيرا امكان شناسايي جنبه‌هاي مختلف محصولات و خدمات و تحليل دقيق احساس كاربران نسبت به هر يك از آن‌ها را فراهم مي‌سازد. با وجود پيشرفت‌هاي قابل توجه در اين حوزه، پياده‌سازي مؤثر تحليل جنبه‌محور در زبان فارسي همچنان با چالش‌هايي نظير پيچيدگي ساختار نحوي، وابستگي‌هاي زباني، كمبود منابع برچسب‌خورده و محدوديت مدل‌هاي توالي‌محور در بهره‌گيري مؤثر از روابط ساختاري ميان واژگان مواجه است. در اين پژوهش، يك چارچوب دو‌مرحله‌اي براي استخراج جنبه و تشخيص قطبيت احساس در متون فارسي پيشنهاد شده است كه بر پايه درخت‌هاي وابستگي نحوي و شبكه‌هاي توجه گرافي طراحي شده و به‌طور خاص براي تحليل نظرات كاربران در حوزه مديريت ارتباط با مشتري مورد استفاده قرار گرفته است. در مرحله نخست، استخراج جنبه به‌صورت يك مسئله برچسب‌گذاري در سطح توكن مدل‌سازي شده و جملات با استفاده از ساختار وابستگي نحوي به گراف تبديل مي‌شوند تا روابط نحوي ميان واژگان به‌صورت صريح در فرآيند يادگيري لحاظ گردد. در اين مرحله، تعبيه‌هاي متني مبتني بر مدل زباني برت به‌همراه ويژگي‌هاي نحوي شامل برچسب ادات سخن و ويژگي‌هاي يال‌ها براي غني‌سازي بازنمايي گرافي مورد استفاده قرار مي‌گيرند. در مرحله دوم، تشخيص قطبيت احساس به‌صورت جنبه‌محور انجام مي‌شود؛ به اين صورت كه هر جنبه استخراج‌شده به‌عنوان يك نمونه مستقل در نظر گرفته شده و با درنظرگرفتن بافت زباني، موقعيت نحوي جنبه و روابط وابستگي موجود در جمله، قطبيت احساس مربوط به آن پيش‌بيني مي‌گردد. اين رويكرد امكان تمركز دقيق‌تر مدل بر ارتباط ميان جنبه و واژگان احساسي متن را فراهم مي‌سازد و اثر خطاهاي ناشي از تحليل كلي جمله را كاهش مي‌دهد. نتايج ارزيابي‌ها تجربي نشان مي‌دهد كه مدل پيشنهادي به طور ميانگين در مرحله استخراج جنبه موجب بهبود 37.5 درصدي معيار F1 و در مرحله تشخيص قطبيت جنبه‌محور منجر به بهبود 12.9 درصدي اين معيار نسبت به مدل‌هاي پايه شده است. همچنين آزمايش مدل بر روي مجموعه‌داده‌ي ParsiNLU نشان داد كه چارچوب پيشنهادي قابليت سازگاري مناسبي با داده‌هايي خارج از دامنه‌ي اصلي آموزش را دارد و توانسته الگوهاي نحوي و احساسي زبان فارسي را تا حدي حفظ كند؛ با اين حال، نتايج حاكي از آن است كه مدل همچنان وابستگي‌هايي به ويژگي‌هاي دامنه‌ي آموزشي دارد و عملكرد آن در داده‌هاي با حوزه متفاوت ممكن است نيازمند بازآموزي يا تنظيم پارامترها باشد. به‌طور كلي، يافته‌هاي اين پژوهش نشان مي‌دهد كه ادغام ساختار نحوي و شبكه‌هاي توجه گرافي مي‌تواند نقش مؤثري در بهبود عملكرد، پايداري نسبي و تفسيرپذيري سيستم‌هاي تحليل احساسات مبتني بر جنبه در زبان فارسي و ارتقاي تحليل خودكار بازخورد مشتريان ايفا كند.

237567

مدل‌سازي سيستم‌ها و تحليل داده

مهندسي صنايع و سيستم ها

دانشگاه صنعتي اصفهان