استفاده از شبه عصبی نیمه نظارتی به منظور طبقه بندی احساس

چکیده مقاله

در سال‌های اخیر، یادگیری نیمه‌نظارتی به عنوان یک مورد تحقیقاتی جدید و به‌روز در یادگیری عمیق مورد استفاده قرار گرفته است. در این روش‌ها، تعداد کمی داده ار نمونه‌های آموزشی حاوی برچسب و درصد قابل توجهی از آن‌ها بدون برچسب هستند. این امر سبب می‌شود که این روش‌ها، برای برنامه‌های کاربردی دنیای واقعی که در آن دادههای بدون برچسب به آسانی در درسترس هستند و جمع‌آوری داده‌های بدون برچسب اغلب پرهزینه و زمان‌بر هستند، بسیار کاربردی باشند. دراین مقاله راهکاری به‌منظور استفاده از شبکه‌های مولد متخاصم، حاوی دو شبکه عصبی یادگیری عمیق با نام مولد و تفکیک‌کننده، برای طبقه‌بندی نظرات فارسی کاربران در سه کلاس مثبت، خنثی و منفی به صورت نیمه‌نظارتی ارائه شده است. نتایج روش پیشنهادی با شبکه عصبی مبتنی بر کانولوشن (CNN) به صورت با نظارت مقایسه شده و دیده می شود که روش نیمه‌نظارتی ارائه شده نتایج بهتری نسبت به CNN به‌دست می‌آورد.