کلاسبندی پیامهای منتشر شده در شبکههای اجتماعی در بحران کرونا براساس قطبیت آنها | ||
| مدل سازی در مهندسی | ||
| دوره 21، شماره 74، پاییز 1402، صفحه 81-93 اصل مقاله (840.34 K) | ||
| نوع مقاله: مقاله کامپیوتر | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2023.29412.2384 | ||
| نویسندگان | ||
| هانیه تندرست1؛ سمیرا عباسی* 1؛ فاطمه امیری2 | ||
| 1گروه مهندسی پزشکی، دانشگاه صنعتی همدان، همدان، ایران. | ||
| 2گروه مهندسی کامپیوتر، دانشگاه صنعتی همدان، همدان، ایران. | ||
| چکیده | ||
| بحران کرونا مردم ایران را با طیف گستردهای از افکار و احساسات مثبت و منفی روبرو کرد. مردم این احساسات را در شبکههای اجتماعی به اشتراک میگذاشتند. شبکههای اجتماعی در دوران کرونا نقش بسیار مهمی در انتشار اطلاعات و بازتاب احساسات مردم داشتهاند. بررسی این دادههای شبکههای اجتماعی برای دولتها و سازمانهای بهداشت در سراسر جهان حائز اهمیت است. به همین خاطر پژوهشهای زیادی به بررسی این دادهها با رویکردهای مختلف در سراسر جهان پرداختند. در این مقاله نیز به تحلیل قطبیت و کلاسبندی پیامهای منتشر شده در شبکههای اجتماعی در بحران کرونا پرداخته شد. برای این منظور پیامهایی که کاربران فارسی زبان در این شبکهها به اشتراک گذاشتند، بررسی شدند. برای کلاسبندی دادههای موجود از روشهای پردازش زبان طبیعی و روشهای یادگیری عمیق استفاده شد. برای کلاسبندی پیامها با محتوای مثبت و منفی، روشهای یادگیری عمیق مختلفی با معماری های متفاوت (شامل شبکه های کانولوشنی، شبکه های بازگشتی عمیق با حافظه و فازی-بازگشتی عمیق با حافظه) با توجه به دادههای موجود اعمال شد تا بتوانیم به بهترین نتیجه ممکن دست یابیم. بهترین نتیجه با استفاده از شبکههای عمیق کانولوشنی سهلایه به دست آمد که صحت آن 72.29 بود. در نهایت، یک مقایسه کلی از جنبههای مختلف، روی شبکههای استفاده شده انجام شد. | ||
| کلیدواژهها | ||
| شبکههای اجتماعی؛ ویروس کرونا؛ پردازش زبان طبیعی؛ یادگیری عمیق؛ قطبیت | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 566 تعداد دریافت فایل اصل مقاله: 438 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 723 |
| تعداد مقالات | 10,397 |
| تعداد مشاهده مقاله | 72,868,891 |
| تعداد دریافت فایل اصل مقاله | 64,558,194 |