نوع مدرک: | متون چاپی |
سرشناسه | نصر آزادانی ، بهنام، نویسنده |
ردهبندی کنگره : | COM soft 63 |
عنوان : | تحلیل احساس چند حالتی مبتنی بر تصاویر و متن با استفاده از یادگیری عمیق و انتقالی |
عنوان موازی : | Multimodal Sentiment Analysis Based on Text and Image Using Deep and Transfer Learning |
ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
سال نشر : | 1401 |
صفحه شمار: | 94ص |
شابک/شاپا | 24548 |
یادداشت | پایان نامه کارشناسی ارشد :رشته مهندسی کامپیوترگرایش نرم افزار |
شناسه افزوده : | اکبری کوپایی ، مهدی، استاد راهنما |
توصیفگرها | تحلیل احساس چند مدلی، شبکه عمیق کانولوشن پیش آموزش دیده، یادگیری ترکیبی Multimodal Sentiment Analysis, Deep Pre-trained Convolutional Network, Hybrid Learning |
چکیده : | تحلیل احساس، به آشکار نمودن نظرات فرد و نگرش وی نسبت به یک موضوع، شخص یا موجودیت خاص اشاره دارد. استخراج نظرات افراد نسبت به یک موضوع و موجودیت مشخص، کاربردهای زیادی در زمینههای سیاسی، اجتماعی، فرهنگی و اقتصادی دارد. امروزه رشد تکنولوژی و شبکههای اجتماعی باعث شده، کاربران نظرات خود را در مورد انواع موضوعات در قالب پست متنی، تصویر و کلیپهای ویدئویی به اشتراک بگذارند. تشکیل این حجم از دادهها به صورت روزانه و مزایای حاصل از تحلیل آنها، پژوهشگران را بر آن داشت تا با استفاده از روشهای یادگیری ماشین یا یادگیری عمیق مدلهای تحلیل احساس ارائه دهند. اغلب روشهای مطرح شده تا کنون در زمینه تحلیل احساس تک مدلی بوده و غالبا مبتنی بر متن هستند. روشهای تحلیل احساسی که مبتنی بر یک داده مثل تصویر و یا متن هستند، اگر ویژگیهای مناسبی از داده استخراج نکنند به خوبی قادر به تشخیص احساس نخواهند بود. در این راستا روشهای تحلیل احساس چند مدلی مبتنی بر متن و تصویر و ویدئو معرفی شدند که برخلاف روشهای تک مدلی، از چندین رسانه برای بررسی نظرات کاربران استفاده میکنند و نتایج دقیقتری از احساس کاربران بدست میآورند. از اینرو بدلیل کاربردهای متنوع و کارآمد نتایج حاصل از فرآیند تحلیل احساس، در این تحقیق نیز یک روش تحلیل احساس چند مدلی مبتنی بر دادههای متن و تصویر ارائه شده است. در این روش از شبکه کانولوشن پیش آموزش دیده ResNet101 برای استخراج ویژگی از تصاویر و از شبکه عصبی پیش آموزش دیده تعبیه کلمات FastText نیز برای استخراج ویژگی از متن استفاده شده است. در نهایت با ترکیب آبشاری دو دسته ویژگی فوق تحلیل احساس با استفاده از ترکیب سه الگوریتم جنگل تصادفی، ماشین بردار پشتیبان و k نزدیکترین همسایه انجام پذیرفت. نتایج این روش بر روی دو پایگاه داده TwitterII و MVSA-Singleحاکی از آن است که مدل پیشنهادی با ترکیب دادههای متن و تصویری توانسته است به ترتیب به صحت 88.33% و 75.7% دست یابد که در مقایسه با مدلهای پیشین توانسته است بالغ بر 7% و 4% صحت تحلیل احساس را بهبود ببخشد. نتایج مدل پیشنهادی نشان میدهد که روشهای تحلیل احساس چند مدلی در مقایسه با تک مدلی عملکرد موفقتری دارند |
لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=13623 |
زبان مدرک : | فارسی |