دانشگاه کاشان محاسبات نرم 2322-3707 11 2 2023 02 20 Applying Character-Level Neural Network-Based Sentiment Analysis Model on Persian Comments of the Social Media-Online Store Platforms بکارگیری مدل تحلیل احساسات در سطح حروف مبتنی بر شبکه عصبی روی نظرات فارسی ثبت شده در شبکه‌های اجتماعی و فروشگاه‌های اینترنتی 118 133 113738 10.22052/scj.2023.248311.1094 FA امید خلف بیگی گروه مهندسی برق و کامپیوتر، دانشگاه خوارزمی ، تهران، ایران سید علیرضا بشیری موسوی گروه مهندسی برق و کامپیوتر، مرکز آموزش عالی فنی و مهندسی بوئین زهرا، قزوین، ایران سینا قارلقی گروه مهندسی برق و کامپیوتر، مرکز آموزش عالی فنی و مهندسی بوئین زهرا، قزوین، ایران Journal Article 2022 09 15 Nowadays, due to people being more willing to shop online through online stores and social media, we are facing the growth of unstructured data like texts on the internet. Hence, text processing and the development of optimal algorithms for extracting knowledge have drawn scholar’s attention to this field. One of the aspects of the text processing field is classifying texts in the form of classes of various sentiments using different algorithms. In this paper, we propose a novel framework to classify the comments based on the user’s sentiment performed in the character-level scenario. Hence, the proposed framework is mounted on the architecture of embedding from the language model triggered by the quad-layer, namely embedding, one-dimensional convolution, the map, and the recurrent neural network. In the proposed framework, first, by using the embedding layer at the level of the character, a constant vector is assigned to them. Next, the semantic and logical relation between the characters per word for surviving word-specific 128-dimensional vectors is extracted by exerting the parallel-oriented one-dimensional convolution operators. After obtaining vectors, based on two recurrent neural network architectures, the relationship between the discovered words and the comment-specific sentiment is determined. The obtained results show that the proposed framework has an Accuracy of 79.87% and a F-score of 79.90% for comments class labeling. <strong>امروزه با توجه به تمایل روزافزون مردم برای خرید اجناس از طریق فروشگاه‌های اینترنتی و شبکه‌های مجازی، شاهد افزایش داده‌های بدون ساختار مانند متن در سطح اینترنت هستیم. لذا پردازش متون و توسعه الگوریتم‌های کارآمد جهت استخراج دانش، توجه پژوهشگران حوزه علوم داده را در بسترهای مذکور به خود جلب کرده است. از رویکردهای پردازش متن می‌توان به دسته‌بندی جملات به گروه‌های احساسی متفاوت با استفاده از الگوریتم‌ها و روش‌های گوناگون اشاره کرد. در پژوهش حاضر، چارچوبی برای دسته‌بندی نظرات، مبتنی بر احساسات کاربران توسعه داده شده است که از پردازش در سطح حروف بهره می‌برد. از این‌رو در چارچوب پیشنهادی، از معماری تعبیه شده در مدل‌های زبانی استفاده شده است که لایه‌های چهارگانه تعبیه (جهت انتقال حروف به فضای برداری)، پیچش یک بُعدی (جهت استخراج بردار ویژگی برای هر واژه)، نگاشت و شبکه عصبی بازگشتی را شامل می‌شود. در چارچوب پیشنهادی، ابتدا با بکارگیری لایه تعبیه در سطح حروف، برداری ثابت برای آنها تعیین می‌شود. سپس، مبتنی بر عملگرهای پیچش یک بعدی که به صورت موازی بکارگیری شده‌اند، ارتباط معنایی و منطقی بین حروف تشکیل‌دهنده هر واژه به دست آمده و بردار 128 بعدی برای هر لغت، حاصل می‌شود. پس از دستیابی به بردارهای واژگان، با استفاده از دو معماری شبکه‌های عصبی بازگشتی، ارتباط بین واژگان کشف شده و احساس مرتبط با دیدگاه، تعیین می‌شود. نتایج حاصل از بکارگیری مدل پیشنهادی بر روی مجموعه نظرات مبتنی بر سنجه‌های Accuracy و F-score، به‌ترتیب 79.87% و 79.90% می‌باشد.</strong> https://scj.kashanu.ac.ir/article_113738_66135a8e18e5dd3d87d44b5446e7d86b.pdf