چکيده
اين پژوهش بر يادگيري عميق براي طبقه بندي احساسات جنبه محور (ASC) تمركز كرده كه هدف آن تصميم گيري در خصوص مثبت يا منفي بودن يك تعبير در يك متن است. با توجه به موفقيت استفاده از يادگيري عميق در كاربردهاي مختلف، طبقه بندي احساسات جنبه محور (ASC) مبتني بر يادگيري عميق در سالهاي اخير از سوي دانشگاهيان و صنعت بسيار مورد علاقه قرار گرفته است. اما به هر حال در طبقه بندي سيستماتيك رويكردهاي موجود و مقايسه بازدهي آنها نواقصي وجود دارد كه اين پژوهش با هدف پركردن اين خلا صورت پذيرفته است. در اين تحقيق مرور عميق بر روشهاي يادگيري عميق با جديدترين تكنولوژي حال حاضر، پيشرفتي فوق العاده را در ASC نشان ميدهد. در ابتدا پس از معرفي زمينه هاي شكل گيري ASC مبتني بر يادگيري عميق، روشهاي دروني سازي لغت معرفي شده است. سپس مروري جامع بر تلاشهاي پژوهشي اخير در ASC مبتني بر يادگيري ماشين ارائه شده كه شامل طراحي يك طبقه بندي براي آن و يك نتيجه گيري جامع از روش‌ها با جديدترين فناوري مي باشد. در نهايت بانكهاي داده مبنا براي مطالعه و آزمايشهاي گسترده پژوهشگران معرفي شده و نتايج آزمون روشهاي معرفي شده در پنج بانك اطلاعاتي استاندارد با شاخصهاي عمومي متنوع ارزيابي و خروجي آنها مقايسه و تحليل شده است.
