سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

یادگیری عمیق مبتنی بر مکانیسم توجه جمعیت برای تحلیل احساسات بلادرنگ در چت‌های زنده یوتیوب

نویسندگان :

علی فرزین¹

1- دانشگاه سمنان

کلمات کلیدی :

تحلیل احساسات،پردازش زبان طبیعی (NLP)،یادگیری عمیق،مکانیزم توجه جمعیتی،چت زنده یوتیوب

چکیده :

با گسترش تعاملات هم‌زمان کاربران در پلتفرم‌های پخش زنده مانند یوتیوب، تحلیل احساسات در چت‌های زنده به یک چالش مهم در حوزه پردازش زبان طبیعی تبدیل شده است. این پژوهش چارچوبی نوین برای تحلیل احساسات بلادرنگ در چت‌های زنده ارائه می‌دهد که از ترکیب مدل زبانی پیش‌آموزش‌دیده BERTweet، شبکه بازگشتی LSTM، لایه Self-Attention و یک مکانیزم جدید با عنوان Crowd-Level Attention بهره می‌گیرد. چارچوب پیشنهادی با هدف درک عمیق‌تر احساسات جمعی کاربران طراحی شده و با استخراج ویژگی‌های معنایی، وابستگی‌های زمانی، و الگوهای رفتاری جمعی، قادر است احساسات غالب را با دقت بالا پیش‌بینی کند. ماژول Crowd-Level Attention نقش کاربران فعال، نرخ مشارکت، و هم‌زمانی نظرات را در تعیین وزن‌های توجه مدل‌سازی کرده و تمرکز مدل را از سطح فردی به سطح جمعی منتقل می‌سازد. در مرحله ارزیابی، داده‌هایی از چت زنده پخش فوتبال یوتیوب و مجموعه‌داده‌های کمکی از Kaggle مورد استفاده قرار گرفت و عملکرد مدل با چهار معیار اصلی Accuracy,Precision,Recall,F1-score سنجیده شد. نتایج نشان می‌دهد مدل پیشنهادی با دقت و عملکرد بهتری نسبت به مدل‌های پایه مانند BiLSTM,RoBERTa, SVM دارد. این چارچوب با تلفیق یادگیری عمیق و تحلیل رفتار جمعی، رویکردی نوآورانه برای تحلیل احساسات بلادرنگ در محیط‌های پویای اجتماعی ارائه می‌دهد و قابلیت کاربرد در زمینه‌هایی چون تحلیل رویداد، پایش اجتماعی و مدیریت بحران را دارد.