دکتر محمد دوستی زاده نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری 3 ۷ 2023 08 31 Aspect-based sentiment analysis on Twitter social network data about vegetarianism تحلیل احساسی مبتنی بر جنبه بر روی داده های شبکه اجتماعی توئیتر درمورد گیاهخواری 36 53 10.22051/jera.2021.31891.2698 FA فاطمه 1کارشناسی ارشد،گروه کامپیوتر، دانشگاه آزاد اسلامی، بیرجند، ایران 2023 08 11 Vegetarianism is one of the trends that has received a lot of feedback on social networks. The content published by users reflects their feelings and opinions towards this trend and its various aspects. In this regard, a dataset containing more than sixty thousand tweets published in 2023 about vegetarianism was collected. This dataset was used to extract user sentiment towards different aspects of vegetarianism. First, a method based on RoBERTa language model was proposed to analyze the implicit sentiment hidden in tweets. Then, using the Latent Dirichlet Allocation topic modeling approach, some relevant aspects and topics related to vegetarianism were extracted. In the next step, a method based on DeBERTa language model was used to analyze tweet sentiment towards different aspects that had been extracted. Various frequency and sentiment distribution charts for different aspects in the field of vegetarianism were examined. The results of emotional analysis based on RoBERTa and DeBERTa models were compared side by side. Data analysis using the DeBERTa model showed that users had mostly tweeted positive sentiments regarding the plant and lifestyle aspects. However, for the Animal aspect, most tweets were negative. For both Diet and Company aspects, most tweets were positive or neutral with values close to each other. During the discussion, some implicit knowledge related to this topic was also examined. 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. /downloadfilepdf/1008349