مدل بردار کلمات شبکه عصبی عمیق ترکیبی برای تحلیل احساسات متن‌ها در شبکه‌های اجتماعی (در دست انتشار)

با گسترش روز‌افزون شبکه‌های اجتماعی و ظهور بحث کلان داده‌ها، این شبکه‌ها به منابع سودمندی برای استخراج و پیش‌بینی نظرات کاربران در موضوعات مختلف تبدیل شده‌اند. تحلیل احساسات متن‌ها، یکی از موضوعات مورد علاقه پژوهشگران در مبحث کلان داده‌ها می‌باشد که کمک می‌کند تحلیل‌گران، سیاستمدارن یا صاحبان صنایع با نظر جامعه در مورد واقعه، کالا یا موضوع خاص آشنا شده و بتوانند پذیرش یا عدم پذیرش اکثریت جامعه را پیش‌بینی کنند. در این مقاله، به تحلیل احساسات متن‌های کوتاه و بلند به صورت همزمان با ارائه مدلی ترکیبی با استفاده از شبکه عصبی عمیق چند و تک کاناله کانولوشنی با ترکیب شبکه حافظه کوتاه طولانی مدت دو طرفه مبتنی بر بردار کلمات، پرداخته شده است. نتایج نشان می‌دهد، استفاده از مدل بردار کلمات به دلیل توانایی آن ‌در یافتن ارتباط معنایی بین کلمات بسیار سودمند می‌باشد. علاوه بر این، بهره‌گیری از شبکه حافظه کوتاه طولانی مدت دو طرفه به دلیل دسترسی به اطلاعات زمانی قبلی و بعدی در لایه‌های پنهان شبکه و ترکیب آن با شبکه کانولوشنی که مدلی قدرتمند در استخراج ویژگی است، سبب شده مدل پیشنهادی از دقت و کارایی بالایی در پیش‌بینی احساسات متن‌های منتشر شده در شبکه‌های اجتماعی برخوردار باشد.