در دنیای پر از افراد طعنه زن، تشخیص طعنه با استفاده از تحلیل احساسات به یکی از چالش های مهم قرن بیست و یکم تبدیل شده است. این توانایی به ما کمک می کند تا حقیقت تلخی که در پس جملات ظاهرا شیرین و زیبا پنهان است، آشکارشود. تشخیص طعنه به طور گسترده ای در شبکه های اجتماعی برای درک نظرات واقعی کاربران و اتخاذ اقدامات مناسب، در صورت نیاز، به کار می رود. تاکنون، روش ها، تکنیک ها و الگوریتم های مختلفی برای این منظور مورد استفاده قرار گرفته اند که هر یک مزایا و معایب خاص خود را دارند. برای مثال، الگوریتم هایی مانند رگرسیون لجستیک برای تشخیص طعنه به کار گرفته شده اند، اما این الگوریتم ها با محدودیت هایی مواجه هستند، از جمله اینکه نمی توانند به خوبی با مجموعه داده های پیوسته کار کنند. در این مقاله، ما به بررسی رویکردی می پردازیم که دقت بیشتری دارد و عملکرد بهتری ارائه می دهد. برای آموزش مدل پیشنهادی، از مجموعه داده هایی شامل توییت های طعنه آمیز و غیر طعنه آمیز در شبکه ایکس (توییتر سابق) استفاده کرده ایم. بهره گیری از شبکه های عصبی بازگشتی (LSTM) و تکنیک های جاسازی واژه ها می تواند فرآیند تشخیص طعنه را بهبود بخشیده و طبقه بندی جملات توییتری را به طور موثرتری انجام دهد.
برای سهولت استفاده از پایگاه مگاپیپر، تور راهنما را مرحله به مرحله طی کنید تا با قسمت های مختلف پایگاه آشنا شوید.
برای ادامه کار بر روی دکمه "ادامه" کلیک نمایید.
عبارت جستجو شده خود را در این قسمت مشاهده می نمایید. با تغییر در عبارت جستجو شده یا نوع جستجو می توانید جستجو جدیدی را آغاز نمایید.
برای جستجوی پیشرفته بر روی
""
کلیک نمایید.
درخواست های شما در سه حالت موفق (رنگ سبز)، در حال انتظار (رنگ آبی) و ناموفق (رنگ قرمز) دیده می شود که می توانید برای مشاهده جزئیات بیشتر روی هر یک کلیک نمایید.
نتایج جستجو در منابع مختلف پایگاه در بخش های فوق ارائه شده است، که با انتخاب هر یک، نتایج مرتبط با آن نمایش داده می شود.
با انتخاب هر نوع از منابع امکان فیلتر کردن نتایج جستجو آن وجود دارد.
وضعیت جستجو جاری شما در این نوار دیده می شود. برای مشاهده سوابق جستجو خود روی کلیک نمایید.
با استفاده از سرویس ایزی اکسس (EZAccess) می توانید به طور مستقیم در پایگاه های علمی (نظیر: ساینس دایرکت، اشبرینگر، وایلی و ...) جستجو نموده و منابع مورد نیاز خود را دانلود نمایید.
