ارائه­ دهنده:

 استاد راهنما:
دکتر محمدرضا کنگاوری

هیات داوری: 
 دکتر بهروز مینایی
 دکتر محمود نشاطی

زمان:
 ۱۴۰۱/۰۴/۱۲

ساعت ۱۰:۰۰
 

دانشجو متین رکنی وند دانشجوی کارشناسی ارشد آقای دکتر محمدرضا کنگاوری روز یکشنبه مورخ  ۱۲ تیر ماه ساعت ۱۰:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "ارائه یک روش بهبود یافته به منظور تولید خودکار احساس در متن با استفاده از روش Affect-LM و پردازش زبان طبیعی" دفاع خواهند نمود.

چکیده پایان نامه:
ارتباط کلامی انسانی شامل پیام های عاطفی است که از طریق استفاده از کلمات احساسی منتقل می شود. امروزه هر دوی افراد و سازمان‌ها نیاز به استفاده از «عقاید ، احساسات و نظرات عمومی مربوط در رابطه با تصمیم‌گیری درباره فرایند کاری خود دارند. هدف از تجزیه و تحلیل احساسات و دیدگاه‌ کاوی، شناسایی نگرش‌ها و احساسات فرد درباره موضوعات خاص مانند فیلم‌ها، محصولات و غیره است. مشکل ادغام مدل‌های پیشرفته زبان عصبی با اطلاعات عاطفی همچنان یک منطقه آماده برای کاوش است. از این رو این پایان نامه مدلی برای تولید متن احساسی و تشخیص کلمات احساسی محاوره‌ای بر اساس مدل Affect-LM ارائه شده است. بدین منظور از شبکه عصبی LSTM برای شناسایی، تشخیص و تولید جملات احساسی بهره گرفته شد. به منظور بهبود عملکرد شبکه ی LSTM عبارت انرژی اضافی در پیش بینی کلمه بهره گرفته شده است که شامل یک بردار ورودی است که شامل اطلاعات گروه احساسی حاصل از کلمات موجود در متن در حین آموزش است و خروجی شبکه ای است که روی کلمات احساسی کار می کند که باعث تمایز اطلاعات عاطفی منتقل شده توسط هر کلمه می شود. برای بهبود در دقت تشخیص و تولید جملات احساسی مدل Affect-LM  از استخراج زمینه محتوایی و بردار زمینه محتوایی داده های ورودی قبل از تولید جملات احساسی و برای آموزش شبکه عصبی بهره گرفته شده است. به منظور تست و ارزیابی مدل پیشنهادی از سه پایگاه داده مختلف احساسی که شامل پایگاه داده توئیتر،DAIC  و SEMAINE استفاده شده است. نتایج حاصل از این پژوهش نشان می دهد که با استفاده از شبکه پیشنهادی برای تشخیص احساسات و تولید متن احساسی در تمامی گروه های هدف که شامل جملات احساسی مثبت، منفی، عصبانی، اضطراب و نگرانی می باشد دارای عملکرد مطلوبی بوده است و بیشتر جملات احساسی در پایگاه داده توئیتر شامل جملاتی می باشد که دارای احساس اضطراب و کمترین دارای جملات احساس منفی پایگاه داده DAIC بیشترین جملات احساسی منفی و مثبت و در پایگاه داده SEMAINE  جملات احساس منفی دارای بیشترین مقدار و پس از آن جملات دارای احساس مثبت و جملات غمگین می باشد. به طور کلی با استفاده از روش پیشنهادی و بهبود مدل Affect-LM  با تعیین زمینه محتوایی و بردار زمینه محتوایی جملات می توان احساسات را در پایگاه داده های مختلف به خوبی تشخیص داد و تولید جملات احساسی در گروه های مختلف احساسی را با برچسب های تعریف شده ایجاد کرد.
واژگان کلیدی: تشخیص احساس، تولید متن احساسی، شبکه عصبی، LSTM، Affect-LM

دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی