کنفرانس بین المللی فناوری اطلاعات و دانش

صفحه اصلی / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

روشی چندوجهی برای تحلیل احساسات در زبان فارسی با استفاده نشریه ساختار بلاغی و ترنسفرمرها

نویسندگان :

ریحانه احمدی علیائی¹ امینه امینی² عباس جلیلوند³

1- دانشگاه آزاد اسلامی واحد کرج 2- دانشگاه آزاد اسلامی واحد کرج 3- دانشگاه آزاد اسلامی واحد کرج

کلمات کلیدی :

تحلیل احساسات،زبان فارسی،شبکه عصبی بازگشتی سلسله مراتبی (HRNN)،نظریه ساختار بلاغی (RST)،یادگیری انتقالی

چکیده :

تحلیل احساسات یکی از مسائل محوری پردازش زبان طبیعی است که برای استخراج نگرش‌ها و قطبیت عاطفی متن‌های کاربر ساخته به‌کار می‌رود. در زبان فارسی این مسئله با چالش‌هایی چون کمبود داده‌های برچسب‌خورده و تنوع نگارش در شبکه‌های اجتماعی مواجه است. این موانع باعث می‌شوند حتی مدل‌های قوی اگر به ساختار گفتمانی و اهمیت نسبی قطعات متن توجه نکنند، دچار افت دقت شوند. روش‌های موجود عمدتاً بر پایه LSTM/BiLSTM و ترنسفورمرهایی مثل BERT بوده‌اند و در برخی موارد از RST همراه با LSTM استفاده شده، اما همچنان با مشکلاتی مانند پیچیدگی محاسباتی و ناپایداری گرادیان مواجه‌اند. در این تحقیق، رویکردی چند‌وجهی برای تحلیل احساسات فارسی ارائه می‌شود که دو مؤلفه کلیدی دارد: (۱) استخراج و وزن‌دهی ساختار گفتمانی مبتنی بر نظریه ساختار بلاغی جهت شناسایی واحدهای گفتمان و روابط سلسله‌مراتبی آنها و (۲) طبقه‌بندی سلسله مراتبی با شبکه عصبی بازگشتی سلسله مراتبی برای مدلسازی وابستگی‌های طولانی و چندسطحی متن. برای بهره‌گیری از دانش زبانی پیش‌آموخته، از مدل ParsBERT به عنوان بازنمایی متنی استفاده شده است. نتایج ارزیابی نشان میدهد رویکرد پیشنهادی RST-HRNN در تنظیم چندوجهی، به دقت 98.89%، امتیاز F1 معادل 0.9827 به‌دست آورده است که نشان‌دهنده کارایی بالای ترکیب تحلیل گفتمان با طبقه‌بندی سلسله مراتبی در زبان فارسی است