آخرین مهلت ارسال مقالات برای دوره ۴ -شماره ۱۲ -آذر ماه ۱۴۰۳:
(۱۵ آذر ماه ۱۴۰۳)
تحلیل احساسی مبتنی بر جنبه بر روی داده های شبکه اجتماعی توئیتر درمورد گیاهخواری
دوره 3، شماره ۷، ۱۴۰۲، صفحات 36 - 53
1 1کارشناسی ارشد،گروه کامپیوتر، دانشگاه آزاد اسلامی، بیرجند، ایران
چکیده :
گیاهخواری از جریانهایی است که بازخوردهای زیادی در شبکههای اجتماعی داشته است. مطالب منتشر شده توسط کاربران نشان دهندهی احساسات و نظرات آنان نسبت به این جریان و جنبههای مختلف آن میباشد. در همین راستا، مجموعه دادهای شامل بیش از شصت هزار توئیت منتشر شده در سال 2023 در مورد گیاهخواری جمع آوری شده است. این مجموعه برای استخراج احساسات کاربران نسبت به جنبههای مختلف گیاهخواری استفاده شده است. ابتدا روشی مبتنی بر مدل زبانی RoBERTa برای تحلیل احساسات ضمنی نهفته در توئیتها ارائه میشود. سپس با استفاده از مدل سازی موضوعی LDA ، تعدادی جنبه و موضوع مرتبط با گیاهخواری استخراج میشود. در مرحله بعد با استفاده از روشی مبتنی بر مدل زبانی DeBERTa به تحلیل احساسات توئیتها نسبت به جنبههای مختلف استخراج شده، پرداخته میشود. نمودارهای مختلف فراوانی و توزیع احساسات برای جنبه های مختلف در حیطهی گیاهخواری مورد بررسی قرار میگیرد. با نمودارهایی نتایج حاصل از تحلیل احساسات مبتنی بر RoBERTa با نتایج حاصل از DeBERTa در کنار هم، مورد بحث و بررسی قرار میگیرد. تجزیه و تحلیل دادهها با استفاده از مدل مبتنی بر DeBERTa نشان میدهد که کاربران در مورد جنبههای plant و lifestyle توئیتهایی اکثرا با جهتگیری مثبت منتشر کردهاند. در مورد جنبه Animal غالبا با احساسی منفی مطالبی منتشر کردهاند. برای هر یک از جنبه های Diet و Co با مقادیری نزدیک به هم، اکثر توئیتها مثبت و یا خنثی هستند. در میان بحث، تعدادی دانش ضمنی در رابطه با این موضوع مورد بررسی قرار میگیرد.
گیاهخواری از جریانهایی است که بازخوردهای زیادی در شبکههای اجتماعی داشته است. مطالب منتشر شده توسط کاربران نشان دهندهی احساسات و نظرات آنان نسبت به این جریان و جنبههای مختلف آن میباشد. در همین راستا، مجموعه دادهای شامل بیش از شصت هزار توئیت منتشر شده در سال 2023 در مورد گیاهخواری جمع آوری شده است. این مجموعه برای استخراج احساسات کاربران نسبت به جنبههای مختلف گیاهخواری استفاده شده است. ابتدا روشی مبتنی بر مدل زبانی RoBERTa برای تحلیل احساسات ضمنی نهفته در توئیتها ارائه میشود. سپس با استفاده از مدل سازی موضوعی LDA ، تعدادی جنبه و موضوع مرتبط با گیاهخواری استخراج میشود. در مرحله بعد با استفاده از روشی مبتنی بر مدل زبانی DeBERTa به تحلیل احساسات توئیتها نسبت به جنبههای مختلف استخراج شده، پرداخته میشود. نمودارهای مختلف فراوانی و توزیع احساسات برای جنبه های مختلف در حیطهی گیاهخواری مورد بررسی قرار میگیرد. با نمودارهایی نتایج حاصل از تحلیل احساسات مبتنی بر RoBERTa با نتایج حاصل از DeBERTa در کنار هم، مورد بحث و بررسی قرار میگیرد. تجزیه و تحلیل دادهها با استفاده از مدل مبتنی بر DeBERTa نشان میدهد که کاربران در مورد جنبههای plant و lifestyle توئیتهایی اکثرا با جهتگیری مثبت منتشر کردهاند. در مورد جنبه Animal غالبا با احساسی منفی مطالبی منتشر کردهاند. برای هر یک از جنبه های Diet و Co با مقادیری نزدیک به هم، اکثر توئیتها مثبت و یا خنثی هستند. در میان بحث، تعدادی دانش ضمنی در رابطه با این موضوع مورد بررسی قرار میگیرد.
کلمات کلیدی :
تحلیل احساسات مبتنی بر جنبه، مدل سازی موضوعی، پردازش زبان طبیعی، پردازش متن
تحلیل احساسات مبتنی بر جنبه، مدل سازی موضوعی، پردازش زبان طبیعی، پردازش متن
-
315
-
184
-
1402/05/20
-
1402/05/30
-
1402/06/09