Signal and Data Processing

fa تحلیل احساسات مبتنی بر جنبه با استفاده از شبکه رمزگذار توجه Aspect-Based Sentiment Analysis using the Attentional Encoder Network مقالات پردازش متن Paper پژوهشي Research <div style="text-align: justify;">پردازش زبان طبیعی به طور قابل توجهی در حال رشد و با ظهور تارنمای جهانی و موتورهای جستجو بسیار مورد توجه قرار گرفته است و پژوهشگران شاهد انفجاری در اطلاعات به زبانهای مختلف شدند. تحلیل احساسات یکی از فعالترین زمینه های مطالعاتی در پردازش زبان طبیعی است که بر طبقه بندی متن تمرکز دارد و بهمنظور شناسایی، استخراج و تجزیه و تحلیل اطلاعات ذهنی از منابع متنی استفاده می‌شود. تحلیل احساسات مبتنی بر جنبه  یک روش تحلیل متن است که نظرات را بر اساس جنبه طبقه بندی و احساسات مربوط به هر جنبه را مشخص می کند. این تحلیل میتواند برای تحلیل خودکار بازخورد نظرات مشتریان به بخش های مختلف کالا یا خدمات مورد استفاده قرار گیرد و به کارفرمایان برای تمرکز بر نقاط نیازمند ارتقای کیفیت کمک کند.  در این مقاله به معرفی یک معماری جدید مبتنی بر یادگیری عمیق برای تحلیل احساسات مبتنی بر جنبه خواهیم پرداخت. این معماری از یک مدل از دولایه رمزگذار توجه (که یک جایگزین قابل موازی سازی و تعاملی  LSTM است و برای محاسبه حالت های پنهان جاسازی های ورودی اعمال می‌شود) استفاده خواهد کرد. آزمایش این معماری روی سه مجموعه داده مختلف شامل رستوران ها و لپتاپ‌هاSemEval 2014 Task 4  و مجموعه داده ACL 14 Twitter  است که در هر سه مجموعه داده، قطبیت احساسات مثبت، خنثی و منفی است، انجام شده‌است که مقایسه آن با روش های مدرن تحلیل احساس مبتنی بر جنبه، دقت بالای این روش را نشان خواهد داد. برای نمونه، تحلیل احساس مبتنی بر جنبه روی مجموعه داده لپتاپ، 79.15 درصد دقت را نشان داده که نسبت به روش های مدرن 4.24 درصد دقت را بالا برده است.  </div> <div style="text-align: justify;">Natural language processing is growing significantly and has gained much attention with the advent of the World Wide Web and search engines, and researchers have witnessed an explosion of information in different languages. Sentiment analysis is one of the most active fields of study in natural language processing that focuses on text classification and is used to identify, extract and analyze subjective information from text sources. Aspect-based sentiment analysis is a text analysis technique that classifies comments by aspect and identifies the sentiment associated with each aspect. This analysis can be used to automatically analyze the feedback of customers' comments to different parts of goods or services and help employers to focus on points that need quality improvement. In this paper, we will introduce a new architecture based on deep learning for aspect-based sentiment analysis. This architecture will use an attention-encoder network-based model with multiple multi-head attention and a pointwise convolutional transform (which is a parallelizable and interactive alternative to LSTM and is applied to compute hidden states of input embeddings). Testing this architecture on three different datasets, including restaurants and laptops, SemEval 2014 Task 4 and ACL 14 Twitter dataset, in all three datasets, the polarity of emotions is positive, neutral and negative, which is compared with modern methods of sentiment analysis. Based on the aspect, it will show the high accuracy of this method. For example, the aspect-based sentiment analysis on the Laptop dataset has shown 79.15% accuracy, which has increased the accuracy by 4.24% compared to modern methods.  </div> تجزیه و تحلیل احساس مبتنی بر جنبه, یادگیری عمیق, شبکه رمزگذار توجه, توجه چند سر Aspect-Based Sentiment Analysis (ABSA) , Deep Learning, Attentional Encoder Network, Multi-Head Attention (MHA) 121 128 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-2349-1&slc_lang=fa&sid=1 somayeh karimi سمیه کریمی somayehkarimi6@yahoo.com 100319475328460012584 100319475328460012584 Yes Shahrood University of Technology دانشگاه صنعتی شاهرود Fatemeh Jafarinejad فاطمه جعفری نژاد jafarinejad@shahroodut.ac.ir 100319475328460012585 100319475328460012585 No Shahrood University of Technology دانشگاه صنعتی شاهرود