تشخيص ايستايش در شبكه هاي اجتماعي با استفاده از يادگيري عميق

كارشناسي ارشد

تشخيص ايستايش به تشخيص موضعگيري نويسنده از روي متن، نسبت به يك موضوع خاص گفته مي‌شود. رشد چشمگير استفاده از شبكه هاي اجتماعي برخط، مقادير زيادي داده متني را در دسترس پژوهشگران قرار داده كه براي اهداف مختلف به كار گرفته مي شود. تشخيص ايستايش و وظايف مشابه آن در اهدافي همچون اطلاع از عقيده عمومي جامعه، تحليل بازار، تبليغات هدفمند و پيش بيني نتايج رخدادهاي اجتماعي مثل انتخابات استفاده مي شوند كه از اين جهت حائز اهميتند. در اين پژوهش، تشخيص ايستايش در متون فارسي موجود در شبكه هاي اجتماعي برخط، مورد مطالعه قرار مي گيرد. به اين منظور ابتدا دادگاني را از توييتر جمع آوري و برچسب گذاري كرده، سپس از آن به عنوان دادگان آزمون استفاده مي كنيم. به دليل كمبود منابع فارسي براي اين وظيفه، از روشهاي بين زباني كمك مي گيريم. به عبارتي، در زماني كه دادگان آموزش براي وظيفه تشخيص ايستايش فراهم نيست، راه حلي جايگزين براي انجام اين وظيفه پيشنهاد مي دهيم. شبكه عميق mBERT عملكرد مناسبي را در تنظيمات بين زباني براي وظايفي همچون شناسايي موجوديت نام دار و برچسب گذاري اجزاي سخن از خود نشان داده است. به همين دليل، ابتدا عملكرد mBERT را بر روي دادگان جمع آوري شده ارزيابي مي كنيم. سپس مدلي را بر اساس روش يادگيري چندوظيفگي پيشنهاد مي كنيم كه در تشخيص ايستايش فارسي به طور معناداري، بهتر از مدل mBERT عمل مي كند. نتايج آزمايش هاي ما نشان مي دهند كه در شرايط كمبود يا نبود منابع آموزش، استفاده از دادگان وظايف مشابه و يادگيري چندوظيفگي، عملكرد قابل قبول مدل را براي انجام وظيفه موردنظر ممكن مي سازند. مدل پيشنهادي ما بدون دادگان آموزش، به طور معناداري بهتر از mBERT عمل مي كند.

208681

دانشگاه علم و صنعت ايران

بهروز مينايي بيدگلي

مهندسي كامپيوتر-نرم افزار

عين اله خنجري ميانه