تشخیص نظرات هرز فریبآمیز با استفاده از ویژگیهای متن و شبکهی عصبی عمیق
چکیده:
در سال¬های اخیر شناسایی نظر هرز فریب¬آمیز در انجمن¬های علمی و کسب¬و¬کار جایگاه ویژه¬ای پیدا کرده است. دلیل این توجه به خاطر تاثیر ناعادلانه¬ای است که اینگونه نظرات روی مخاطب می¬گزارند. محبوبیت و تعدد شبکه¬های اجتماعی بستر مناسبی برای گسترش و همه¬گیر شدن این نظرات فراهم کرده است. روش¬های فعلی بیشتر مبتنی بر روش¬های کلاسیک یادگیری ماشین و ویژگی¬های گسسته است که این ویژگی از سرنخ¬های زبانی یا روانشناسی برای شناسایی نظر هرز استفاده می¬کنند. در تمام این روش¬ها جای خالی شناسایی مبحث متن خالی است و این ویژگی¬های گسسته در شناسایی این مورد ناتوان هستند. در این پژوهش در دو بخش از دو روش یادگیری ماشین کلاسیک و مبتنی بر شبکه¬های عصبی برای شناسایی نظر هرز استفاده شده است. و به طور خاص در بخش اول از پنج الگوریتم یادگیری ماشین کلاسیک برای ساخت پنج مدل متفاوت استفاده شده و سپس مدل ششم بر اساس رای اکثریت اقدام به انتخاب بهترین برچسب برای داده¬ی آزمایشی می¬نماید. طبق نتایج بدست آمده این الگوریتم رای¬گیری بهترین دقت را بین همتایان خود نشان می¬دهد. در بخش دوم این پژوهش، یک شبکه¬ی عصبی برای یادگیری در سطح سند برای شناسایی نظر هرز فریب¬آمیز توسعه داده می¬شود. ابتدا، این مدل با کمک یک شبکه¬عصبی کانولوشن اقدام به شناسایی جمله می¬نماید. سپس با استفاده از یک حافظه¬ی کوتاه-مدت ماندگار دوطرفه جملات را ترکیب کرده و نمایش سند را می¬سازد که با استفاده از این نمایش مدل قادر به شناختن مبحث گفتار خواهد بود. در نهایت، این نمایش سند به عنوان ویژگی برای شناسایی نظر هرز مورد استفاده قرار می¬گیرد. این مدل روی مجموعه داده¬ای از نظرات در مورد سه حوزه هتل، رستوران و دکترها آموزش می¬بیند و سپس دقت آن بررسی می¬شود. نتیجه¬ها حاکی از آن است که مدل مبتنی بر شبکه¬ی عصبی دقت را به مقدار قابل توجهی نسبت به روش یادگیری ماشین کلاسیک بالا می¬برد.