سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

بهبود پایداری تحلیل احساسات مبتنی بر جنبه با یادگیری تقابلی در داده‌های نویزی

نویسندگان :

مهدی رنجبر¹ حمید رستگاری²

1- دانشگاه آزاد اسلامی واحد نجف‌آباد 2- دانشگاه آزاد اسلامی واحد نجف‌آباد

کلمات کلیدی :

پردازش زبان طبیعی،تحلیل احساسات مبتنی بر جنبه،یادگیری تقابلی

چکیده :

تحلیل احساسات مبتنی بر جنبه به‌عنوان یکی از حوزه‌های مهم پردازش زبان طبیعی، بر تشخیص برچسب احساسات نسبت به جنبه‌های مختلف یک محصول یا خدمت تمرکز دارد و در تحلیل نظرات کاربران نقش کلیدی ایفا می‌کند. هرچند مدل‌های مبتنی برBERT در این زمینه عملکرد قابل قبولی داشته‌اند، اما در مواجهه با داده‌های نویزی و داده‌های حاصل از افزوده‌سازی، و نیز ناهماهنگی میان شاخه‌های یادگیری نظارت‌شده و بدون‌نظارت در چارچوب یادگیری تقابلی، با چالش‌هایی مانند کاهش دقت، پایداری و تعمیم‌پذیری روبه‌رو هستند. در این پژوهش، با هدف بهبود عملکرد مدل‌های تحلیل احساسات مبتنی بر جنبه، رویکردی ترکیبی بر پایه‌ی مدل BERT ارائه می‌شود که در آن از مکانیزم توجه چندسطحی آگاه از برچسب برای استخراج غنی‌تر ویژگی‌های احساسی و معنایی، نمونه‌گیری منفی سخت و بانک حافظه‌ی تطبیقی برای افزایش تمایزپذیری نمونه‌ها و بهبود پایداری آموزش، و نیز سازوکار کاهش اطلاعات متقابل آگاه از سختی نمونه و داده‌های افزوده‌شده استفاده شده است. علاوه بر این، وزن‌دهی پویا به اجزای مختلف تابع زیان در طول فرایند آموزش به‌کار گرفته شده تا تعادلی پایدار میان یادگیری نظارت‌شده و بدون‌نظارت برقرار شود. روش پیشنهادی بر روی چندین مجموعه‌داده‌ی استاندارد و نسخه‌های داده‌افزایی‌شده‌ی آن‌ها ارزیابی شده و نتایج نشان می‌دهد که نسبت به مدل پایه، بهبود معناداری در معیارهای دقت و امتیاز F1 حاصل شده و پایداری عملکرد مدل در شرایط داده‌های متوازن و نامتوازن افزایش یافته است.