|
عنوان
|
مدل سازی گفتمان سیاسی به عنوان یک سیگنال زمانی با ابعاد
بالا،تحلیلی مقایسه ای از روش های لغتنامه محور و مدل های زبانی
بزرگ: مورد مطالعه ترامپ در توییتر
|
|
نوع پژوهش
|
مقالات در همایش ها
|
|
کلیدواژهها
|
تحلیل گفتمان سیاسی؛ تحلیل داده های شبکه های اجتماعی؛ پردازش زبان طبیعی؛ مدل های زبانی بزرگ؛ تحلیل احساسات؛
مدلسازی زمانی؛ داده های با ابعاد بالا؛ الگوهای غیرایستا؛ تحلیل داده محور
|
|
چکیده
|
در این پژوهش، گفتمان سیاسی در شبکه اجتماعی توییتر با رویکردی داده محور و مبتنی بر هوش مصنوعی مورد بررسی قرار گرفته است. د اده های مورد
استفاده شامل توییت های منتشرشده توسط دونالد ترامپ در بازهی زمانی 2010 تا 2020 و همچنین داده های مرتبط با رقابت انتخابات ریاست جمهوری
ایالات متحده در سال 2016 است. هدف اصلی این مطالعه، مدلسازی گفتار سیاسی به عنوان یک سیگنال زمانی متنی با ابعاد بالا و ارزیابی توان روش های
مختلف تحلیل زبان طبیعی در استخراج الگوهای احساسی و گفتمانی از داد ه های واقعی است. برای این منظور، دو رویکرد متفاوت به کار گرفته شد: یک روش
لغتنامه محور کلاسیک مبتنی بر برنامه نویسی در پایتون و یک مدل زبانی پیشرفته مبتنی بر هوش م صنوعی که با استفاده از پرامپت به تحلیل متون میپردازد.
نتایج مقایسهای نشان میدهد که اگرچه هر دو روش قادر به شناسایی روندهای کلی گفتمان هستند، مدلهای زبانی بزرگ عملکرد بهتری در تشخیص الگوهای
وابسته به زمینه، تغییرات غیرایستا و شدت احساسی متن دارند. یافته های این پژوهش نشان میدهد که ترکیب تحلیل داده های زمانی و مد ل های هوش
مصنوعی زبانی میتواند چارچوبی کارآمد برای تحلیل داد ه های اجتماعی پیچیده فراهم کند و امکان ارزیابی عملی الگوریتمهای NLP در شرایط واقعی را مهیا
سازد.
|
|
پژوهشگران
|
فرزاد گلستانی (نفر اول)، سیده عاطفه حسینی (نفر دوم)، تهمینه جلالی (نفر سوم)
|
|
تاریخ انجام
|
1404-11-08
|