تشخیص احساسات متنی با استفاده از تئوری بازی‌ها و انتخاب ویژگی

تشخیص احساسات متنی با استفاده از تئوری بازی‌ها و انتخاب ویژگی، روشی نوین برای تحلیل احساسات نویسنده از طریق داده‌کاوی متن است. این پژوهش با هدف بهبود عملکرد سیستم‌های تشخیص احساسات، چارچوبی مبتنی بر تئوری بازی‌ها و ارزش شپلی ارائه می‌دهد که با بهینه‌سازی انتخاب ویژگی، دقت تشخیص را افزایش می‌دهد. برخلاف روش‌های سنتی که ویژگی‌های منفرد ضعیف را نادیده می‌گیرند، این روش با ارزیابی وزن ویژگی‌ها بر اساس تعاملات گروهی آن‌ها، رویکردی پویا و کارآمد ارائه می‌کند. این پایان نامه با استفاده از الگوریتم حداقل افزونگی حداکثر ارتباط (mRMR) و بدون نیاز به واژه‌نامه معنایی، احساسات متنی را با دقت بالا شناسایی می‌کند.

اهمیت انتخاب ویژگی در تشخیص احساسات

انتخاب ویژگی یکی از مراحل کلیدی در یادگیری ماشین و تشخیص الگو است که با حذف ویژگی‌های غیرمرتبط، کارایی مدل را بهبود می‌بخشد. روش‌های فیلتری موجود اغلب نمی‌توانند ویژگی‌هایی با قدرت تمایز گروهی را شناسایی کنند. این پژوهش با بهره‌گیری از ارزش شپلی در تئوری بازی‌های همکارانه، وزن هر ویژگی را بر اساس تأثیر آن در تعاملات پیچیده بین ویژگی‌ها محاسبه می‌کند. این رویکرد امکان انتخاب ویژگی‌های بهینه را فراهم کرده و دقت تشخیص احساسات را افزایش می‌دهد.

نقش تئوری بازی‌ها در تحلیل احساسات

تئوری بازی‌ها با مفاهیمی مانند تعادل نش و ویژگی‌های متقارن یا نامتقارن، امکان مدل‌سازی تعاملات پیچیده بین ویژگی‌های متنی را فراهم می‌کند. این پژوهش با استفاده از این مفاهیم، الگوریتمی طراحی کرده که نه‌تنها احساسات را با دقت بالاتری تشخیص می‌دهد، بلکه قابلیت انطباق با تعاملات وب‌سایت و کاربران را نیز دارد. این روش در مقایسه با سایر تکنیک‌های تشخیص احساسات، کارایی بهتری ارائه می‌دهد.

مزایا و نوآوری‌های روش پیشنهادی

نوآوری این پژوهش در استفاده از ارزش شپلی و الگوریتم‌های تئوری بازی‌ها برای بهبود انتخاب ویژگی و تشخیص احساسات است. این روش با کاهش افزونگی و افزایش ارتباط ویژگی‌ها، عملکرد سیستم‌های تشخیص احساسات را بهبود بخشیده و راهکاری پویا برای تعاملات کاربرمحور ارائه می‌دهد. این رویکرد در سناریوهای بدون واژه‌نامه معنایی نیز کارآمد است.