دوره و شماره : قابل انتشار

نویسندگان : میلاد خرمیان* ¹ ، محمدعلی جوادزاده ²

چکیده :
امروزه، پلتفرمهای مختلف در زمینه های مختلف اقدام به خدماترسانی به گروهی از جامعه میکنن د. سرعت و دقت یکی از جوانب اصلی رقابت بین این پلتفرمهاست. در این مقاله، تجزیه و تحلیل احساسات در پایگاه داده »Sentiment Snappfood » با استفاده از جانمایی ParsBERT و طبقهبندهای LSTM انجام میشود. جانماییهای ParsBERT دادههای متنی را به نمایشهای عددی تبدیل م یکنند و LSTM، الگوهای متوالی و وابستگیها را در دادهها ثبت میکنند. فرآیند انجام شده، شامل پ یش پردازش متن، ایجاد جانماییهای ParsBERT و آموزش یک طبقه بند LSTM بر روی نمونههای برچسبگذاری شده از پایگاهداده میشود. در این نوشتار بررسی میشود که این مدل یاد م ی گیرد که در طول آموزش الگوهای موجود در جانماییها را با برچسب های احساسات )مثبت، منفی( مرتبط کند. تنظیم فراپارامتر و کاوش معماری می تواند مدل را بیشتر بهینه کند. معیارهای ارزیابی مانند دقت و امت یاز 1F برای ارزیابی عملکرد مدل استفاده می شود. در استفاده عمل ی، مدل تجزیه و تحلیل احساسات را می توان در برنامه هایی که بررسی های Snappfood را برای طبقه بندی احساسات و ا یجاد بینش برای تصمیم گیری تجاری تجزیه و تحلیل می کنند، ادغام کرد. به طور کلی، تجزی ه و تحلیل احساسات با استفاده از جانماییهای ParsBERT و طبقهبندیکنندههای LSTM، تجزیه و تحلیل احساسات دقیق را در پا یگاه داده »Sentiment Snappfood »امکانپذیر میکند و بینشهای مثبتی را برای پلتفرم Snappfood ارائه میدهد . این پژوهش نشان میدهد که روش پ یشنهاد شده در حوزه تحلیل احساسات برای دقت و معیار 1F به ترتیب و تقریبی نمرات ۰/۸۹۴ و ۰/۸۹2 را کسب نموده است.

کلمات کلیدی :
پردازش زبان طبیعی، تحلیل احساسات