چارچوب ترکیبی مبتنی بر NLP و یادگیری عمیق برای تحلیل احساسات کاربران در اینترنت اشیاء اجتماعی

چکیده

این پژوهش به طراحی و ارائه یک چارچوب ترکیبی از مدل های یادگیری ماشین و یادگیری عمیق ، برای تحلیل احساسات و درک بهتر نظرات کاربران در بستر اینترنت اشیاء اجتماعی می‌پردازد. در طراحی این چارچوب ، مطالعات پیشین نیز مورد بررسی قرار گرفتند؛ از جمله پژوهشی بر پلتفرم Tokopedia که در آن 5000 نظر کاربران با استفاده از الگوریتم هایSVM  و Naive Bayes تحلیل شده و مطالعات دیگری در مورد داده‌های استخراج‌شده از توییتر با مجموع  11997 توییت و داده‌های گرفته شده از آمازون با مجموع 1000 داده ، که با استفاده از SVM و Random Forest و ترکیب آن دو تحلیل شده اند . همچنین به مدل‌های عمیق از جمله CNNها ، RNN ها و مدل های مبتنی بر ترنسفورمر می پردازیم. با توجه به مقایسه های انجام شده در مطالعات پیشین ، الگوریتم ترکیبی RFSVM با روش وزن دهی TF-IDF و مدل های مبتنی بر ترنسفورمر در مقایسه با مدل ها و الگوریتم های دیگر عملکرد بهتری داشته اند. در نهایت، چارچوبی ترکیبی از RFSVM  و مدل های مبتنی بر ترنسفورمر BERT  و GPT  پیشنهاد میشود که عملکرد بهتری در تجزیه جزئیات مربوط به  احساسات کاربران در IOT اجتماعی دارند.