تحلیل و بررسی تعیین حالات روحی از روی متون با استفاده از الگوریتم تکاملی رقابت استعماری

نوع مقاله : مقاله پژوهشی فارسی

نویسندگان

گروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه رازی، کرمانشاه، ایران

چکیده

چکیده- هدف از پژوهش حاضر متن‌کاوی جهت پی بردن به حالت روحی افراد در تایپ متون است. در این پژوهش از 14640 توئیت در رابطه با خطوط هوایی جهت تحلیل احساسات در سه دسته‌ی مثبت، منفی و خنثی استفاده شده است. طرح پیشنهادی جدید دارای سه مرحله اصلی است. در مرحله اول پیش پردازشی به منظور آماده سازی پایگاه داده انجام می‌‌گیرد. در مرحله دوم با استفاده از الگوریتم رقابت استعماری کلمات اصلی را از بین تمامی کلمات موجود استخراج می‌شود. منظور از کلمات اصلی کلماتی هستند که بیشترین تأثیر را برای دسته‌بندی دارند. سپس با استفاده از یک شبکه‌ی عصبی پیچشی اقدام به استخراج ویژگی‌های مناسب صورت می‌گیرد. سپس درمرحله آخر با استفاده از یک شبکه‌ی عصبی پرسپترون چندلایه (MLP) طبقه بندی انجام می‌گیرد. در روش پیشنهادی جدید، برخلاف روش های مرسوم که کلمات بعد از پیش پردازش به مرحله ی بعد راه پیدا می کنند، با استفاده از الگوریتم رقابت استعماری از میان تمامی این کلمات ،کلمات اصلی را استخراج می‌کنیم که این کار خود سبب کاهش قابل توجهی از حجم کلمات ورودی می‌شود. طرح پیشنهادی جدید در آزمایش تجربی توانست به‌ پارامترهای دقت 0/990، صحت 0/983 و فراخوانی 0/875 برسد. این نتایج نشان‌دهنده‌ی برتری طرح پیشنهادی این مقاله در مقایسه با سایر روش های قبلی می‌باشد.

کلیدواژه‌ها


[1]   www.statista.com, https://www.statista.com/statistics/346167/facebook-global-dau, (2020).
[2] Binali, Haji, Chen Wu, and Vidyasagar Potdar. "Computational approaches for emotion detection in text." 4th IEEE International Conference on Digital Ecosystems and Technologies, IEEE, (2010).
[3] Neethu, M. S., and R. Rajasree. "Sentiment analysis in twitter using machine learning techniques." Fourth International Conference on Computing, Communications and Networking Technologies (ICCCNT). IEEE,) 2013(.
[4] Liu, Gang, and Jiabao Guo. "Bidirectional LSTM with attention mechanism and convolutional layer for text classification." Neurocomputing, )2019(.
[5] Bandhakavi, Anil, et al. "Lexicon generation for emotion detection from text." IEEE intelligent systems 32.1, (2017).
]6[ سارا منتظریان، سید محمدحسین معطر. "تشخیص احساس متن فارسی با استفاده از روش مبتنی بر شباهت معنایی." کنگره بین‌المللی فن‌آوری، ارتباطات و دانش، )1394(.
[7] Zobeidi, Shima, Marjan Naderan, and Seyyed Enayatallah Alavi. "Opinion mining in Persian language using a hybrid feature extraction approach based on convolutional neural network." Multimedia Tools and Applications 78.22 ,(2019).
[8] Zheng, Zhaohui, and Rohini Srihari. "Optimally combining positive and negative features for text categorization." ICML 2003 Workshop, (2003).
[9] Lucini, Filipe R., et al. "Text mining approach to explore dimensions of airline customer satisfaction using online customer reviews." Journal of Air Transport Management 83, (2020).
[10] tan, Pang-Ning. Steinbach, Michael. Kumar, Introduction to data mining. Pearson Education, (2014).
[11] Medhat, Walaa, Ahmed Hassan, and Hoda Korashy. "Sentiment analysis algorithms and applications: A survey." Ain Shams engineering journal 5.4, (2014).
[12] Ravi, Kumar, and Vadlamani Ravi. "A survey on opinion mining and sentiment analysis: tasks, approaches and applications." Knowledge-Based Systems 89, (2015).
[13] Mohammad, Saif M., and Peter D. Turney. "Crowdsourcing a word–emotion association lexicon." Computational Intelligence 29.3, (2013).
[14] Strapparava, Carlo, and Alessandro Valitutti. "Wordnet affect: an affective extension of wordnet." Lrec. Vol. 4. No, )2004(.
[15] Ahmad, Munir, et al. "Tools and techniques for lexicon driven sentiment analysis: a review." Int. J. Multidiscip. Sci. Eng 8.1 , (2017).
[16] LeCun, Yann. "LeNet-5, convolutional neural networks". Retrieved 16 November, (2013).
[17]  Zhang, Wei. "Shift-invariant pattern recognition neural network and its optical architecture". Proceedings of annual conference of the Japan Society of Applied Physics, (1988).                                                                              
 
]19 [ فاطمه عباسی، بابک سهرابی، امیر مانیان، آمنه خدیور. "ارائه مدلی جهت دسته‌بندی احساسات خریداران کتاب با استفاده از رویکردی ترکیبی." فصلنامه مطالعات مدیریت کسب‌وکار هوشمند سال ششم، شماره 21 ، ( 1396).
[20] E. Atashpaz-Gargari and C. Lucas, "Imperialist competitive algorithm: An algorithm for optimization inspired by imperialistic competition," 2007 IEEE Congress on Evolutionary Computation, Singapore, )2007).
[21] Qiancheng Fang, Hoang Nguyen, et al. " Prediction of Blast-Induced Ground Vibration in Open-pit Mines Using a New Technique Based on Imperialist Competitive Algorithm and M5Rules." Natural Resources Research, (2019).
 [22] Vijayarani, S., and R. Janani. "Text mining: open source tokenization tools-an analysis." Advanced Computational Intelligence: An International Journal (ACII) 3.1, (2016).
]23[ نیکنام فرزاد و نیک نفس علی اکبر. "بهبود روش‌های متن‌کاوی در کاربرد پیش‌بینی بازار با استفاده از الگوریتم‌های انتخاب نمونه اولیه." مدیریت فناوری اطلاعات، دوره 8، شماره2, (1395).           
[24] Rustam, Furqan, et al. "Tweets Classification on the Base of Sentiments for US Airline Companies." Entropy 21.11 (2019).
[25] Rane, Ankita, and Anand Kumar. "Sentiment classification system of twitter data for US airline service analysis." 2018 IEEE 42nd Annual Computer Software and Applications Conference (COMPSAC). Vol. 1. IEEE, )2018(.
[26] Acosta, Joshua, et al. "Sentiment analysis of twitter messages using word2vec." Proceedings of Student-Faculty Research Day, CSIS, Pace University 7, (2017).
[27] Wazery, Yaser Maher, Hager Saleh Mohammed, and Essam Halim Houssein. "Twitter Sentiment Analysis using Deep Neural Network." 2018 14th International Computer Engineering Conference (ICENCO).IEEE, ( 2018).