23802

پيش‌بيني احساس بر اساس شخصيت در محيط‌هاي چندگانه

كارشناسي ارشد

1399/10/14

دكتر محمدرضا كنگاوري

دانشكده كامپيوتر

تحليل احساس به هدف تعيين مثبت و يا منفي بودن نظر فرد در ارتباط با يك موضوع انجام مي‌شود، تجميع اين احساس‌ها در يك جامعه امكان نظرسنجي عمومي را مي‌دهد و كاربرد‌هاي بسياري نظير پيشبيني‌هاي اقتصادي، سياسي و يا تجاري را دارد. امروزه با پيشرفت شبكه‌هاي اجتماعي، كاربران بيش از پيش نظرات خود را در قالب محصولات چندرسانه‌اي، نظير ويدئو، به اشتراك مي‌گذارند. تحليل احساس در محيط چندگانه اين امكان را مي‌دهد كه استخراج احساس را با داده‌هاي كامل‌تر از انواع كانال‌هاي ورودي، شامل متن، صوت و تصوير انجام داد. در اين ميان اين داده‌هاي چندگانه غني از اطلاعات ديگري نظير ويژگي‌هاي فردي همچون شخصيت كاربران، باور‌ها، انگيزه و يا سن، جنسيت و قوميت هستند كه در اكثر كارهاي ارائه شده در اين حيطه ناديده گرفته مي‌شوند. به عبارتي ديگر در تحليل احساس بين داده‌هاي توليد شده توسط كاربران متفاوت، تفاوتي نمي‌گذارند، در حالي كه مطالعات شناختي، رابطه بين ويژگي‌هاي شخصيتي و نحوه بيان احساس را نشان داده‌اند. نظر به مطالب عنوان شده، در اين پايان نامه چارچوبي ارائه شده است كه در قالب درختي تجميعي، پيشبيني احساس آگاه از شخصيت كاربر با يادگيري‌اي تجميعي از طبقه‌بندهاي پايه حساس به شخصيت ارائه مي‌دهد. چارچوب مورد بحث با در نظر گرفتن ويژگي‌هاي شخصيتي در قالب درختي تجميعي، افزايش دقت پنج درصدي را در پيش‌بيني احساس چندگانه نشان مي‌دهد. علاوه بر اين، در اين چارچوب امكان شروع سرد در تعيين ويژگي‌هاي شخصيتي كاربران فراهم شده كه با بهره‌گيري از آن مجموعه‌داده‌هاي مطرح در تحليل احساس چندگانه كه داراي اطلاعات شخصيتي نيستند را منتصب به اين نوع اطلاعات توصيفي كرده و تحليلي از توزيع كاربران از نقطه نظر ويژگي‌هاي شخصيتي در اين مجموعه‌داده‌ها ارائه شده است.

1399/12/18

Personality- based multimodal sentiment prediction

1/4/2022 12:00:00 AM

Sentiment analysis aims to extract one’s positive or negative opinion towards a subject, the aggregation of these sentiments over a population represents opinion polling and has numerous applications, including political landscape or financial predictions. Nowadays, by the rapid rise of social media, individuals mostly tend to convey their opinions in the form of videos. Multi-modal sentiments analysis allows to analyze sentiment in multi-modal environments, provided by complementary data streams including acoustic, visual, and textual. While, this complementary data streams consist of extra individual dependent information, including personality, beliefs, and intentions, but the majority of researches on multimodal sentiment analysis neglect this information. In other words, the majority of current works on multi-modal sentiment analysis are general. They treat the user’s generated data equally and do not consider the user’s differences. However, there are cognitive researches that have verified the associations between personality and emotion manifestations. inspired by this we propose a framework that by employing an agglomerative tree, performs personality-based sentiment prediction by an ensemble of base classifiers. The proposed framework improves the multimodal sentiment prediction by a margin of five percent. Furthermore, the user cold start has been addressed by a personality prediction module, in which by employing on well-known multimodal sentiment datasets, annotates them by personality information.

تحليل احساس چندگانه , ويژگي‌هاي شخصيتي , يادگيري تجميعي