تحليل احساسات در متون خبري آنلاين با استفاده از تكنيك‌هاي يادگيري ماشين

Sentiment analysis in online news texts using machine learning techniques

تجزيه و تحليل احساسات يكي از روش‌هاي پردازش زبان طبيعي است كه به استنباط لحن يا احساس درون داده‌هاي متني مي‌پردازد. از جمله اهداف تحليل احساسات، توانمندسازي كامپيوترها براي شناسايي و بيان عواطف انسان است. الگوريتم‌هاي يادگيري ماشين اغلب براي طبقه‌بندي و پيش‌بيني اينكه يك سند متني نشان‌دهنده احساس مثبت است يا منفي مفيد هستند. در اين مقاله به پردازش و طبقه‌بندي داده‌هاي متني با استفاده از روش‌هاي يادگيري ماشين پرداخته مي‌شود كه دستيابي به بينشي بهتر و عميق‌تر را به دنبال دارد و تجزيه و تحليل آن‌ها مي‌تواند در سيستم‌هاي تصميم‌گيري كمكي و طراحي و اجراي برنامه‌ها و سياست‌هاي لازم، بسيار كاربردي و مفيد باشد. الگوريتم‌هاي طبقه‌بندي مختلف از جمله نايوبيز، ماشين بردار پشتيبان، جنگل تصادفي و همچنين شبكه‌هاي عصبي MLP و حافظه‌طولاني‌كوتاه‌مدت دوطرفه، جهت دسته‌بندي احساسات در مجموعه داده NewsMTSC كه شامل مقالات خبري آنلاين است، مورد استفاده قرار مي‌گيرند. با توجه به شاخص هاي ارزيابي محاسبه شده، مدل حافظه‌طولاني كوتاه‌مدت دوطرفه عملكرد قابل ملاحظه اي نسبت به ساير مدل ها داشته است.