دانلود مقاله و خرید ترجمه:تحلیل احساسات مبتنی بر یادگیری عمیق در متن رومی اردو - 2019
بلافاصله پس از پرداخت دانلود کنید
مقالات ترجمه شده یادگیری عمیق ( deep learning )
  • Deep Learning-Based Sentiment Analysis for Roman Urdu Text تحلیل احساسات مبتنی بر یادگیری عمیق در متن رومی اردو
    دانلود مقاله | مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    سال انتشار:

    2019


    ترجمه فارسی عنوان مقاله:

    تحلیل احساسات مبتنی بر یادگیری عمیق در متن رومی اردو


    عنوان انگلیسی مقاله:

    Deep Learning-Based Sentiment Analysis for Roman Urdu Text


    منبع:

    Sciencedirect - Elsevier - Procedia Computer Science 147 (2019) 131–135


    نویسنده:

    Hussain Ghulam, Feng Zeng, Wenjia Li, Yutong Xiao


    چکیده انگلیسی:

    Sentiment Analysis has significant attention due to its versatile approach to analysis user’s sentiments on various social networks, forums, e-marketing sites and blogs. Sentiments related data on the web has great importance and impact on customer’s, readers and business firms.Reccurent Neural Network has been widely applied to perform Natural Language Processing tasks because it is designed for modeling the sequential data efficiently.
    In this paper we used Deep Neural Long-short time memory model (LSTM).It has extraordinary capability to Capture long-range information and solve gradient attenuation problem, as well as represent future contextual information, semantics of word sequence magnificently. This paper is the foundation of adapting Deep learning methods to perform Roman Urdu Sentiment Analysis. Our experimental results shows the significant accuracy of our model and surpassed accuracy of baseline Machine learning methods.
    Keywords: Recurrent Neural Nework(RNN) | Long Short-term Memory(LSTM) | Roman Urdu Sentiment Analysis | Word embedding.


    چکیده فارسی:

    آنالیز احساسات با توجه به رویکرد همه جانبه در آنالیز احساسات کاربران شبکه های اجتماعی مختلف، انجمن ها، سایت های بازاریابی الکترونیکی و وبلاگ ها، اهمیت زیادی دارد. داده های مربوط به احساسات در وب اهمیت زیادی دارد و بر مشتریان، خوانندگان و شرکت های تجاری تأثیر می گذارد. شبکه عصبی مکرر به طور گسترده ای در انجام وظایف پردازش زبان طبیعی مورد استفاده قرار گرفته است، زیرا برای مدل سازی داده های متوالی به صورت موثر طراحی شده است.
    در این مقاله از مدل عصبی عمیق حافظه کوتاه-طولانی مدت (LSTM) استفاده شده است. توانایی فوق العاده ای در ضبط اطلاعات دور برد و حل مشکل کاهش گرادیان و همچنین ارائه اطلاعات متنی آتی، معناشناسی توالی لغات با شکوه دارد. این مقاله پایه و اساس تطبیق روش های یادگیری عمیق در آنالیز رومن اردو است. نتایج تجربی نشان داد که مدل ما دقت قابل توجهی دارد و دقت بیشتری از روش های یادگیری ماشین دارد.
    کليدواژه: شبکه عصبی مکرر (RNN)| حافظه کوتاه-بلند مدت (LSTM) | آنالیز معنایی رومن اردو | تعبیه لغت


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 5
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 9

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 351 کیلوبایت


    قیمت: 18000 تومان  14400 تومان(20% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی