|
Title
|
مدل سازي گفتمان سياسي به عنوان يك سيگنال زماني با ابعاد
بالا،تحليلي مقايسه اي از روش هاي لغتنامه محور و مدل هاي زباني
بزرگ: مورد مطالعه ترامپ در توييتر
|
|
Type
|
Presentation
|
|
Keywords
|
تحليل گفتمان سياسي؛ تحليل داده هاي شبكه هاي اجتماعي؛ پردازش زبان طبيعي؛ مدل هاي زباني بزرگ؛ تحليل احساسات؛
مدلسازي زماني؛ داده هاي با ابعاد بالا؛ الگوهاي غيرايستا؛ تحليل داده محور
|
|
Abstract
|
در اين پژوهش، گفتمان سياسي در شبكه اجتماعي توييتر با رويكردي داده محور و مبتني بر هوش مصنوعي مورد بررسي قرار گرفته است. د اده هاي مورد
استفاده شامل توييت هاي منتشرشده توسط دونالد ترامپ در بازهي زماني 2010 تا 2020 و همچنين داده هاي مرتبط با رقابت انتخابات رياست جمهوري
ايالات متحده در سال 2016 است. هدف اصلي اين مطالعه، مدلسازي گفتار سياسي به عنوان يك سيگنال زماني متني با ابعاد بالا و ارزيابي توان روش هاي
مختلف تحليل زبان طبيعي در استخراج الگوهاي احساسي و گفتماني از داد ه هاي واقعي است. براي اين منظور، دو رويكرد متفاوت به كار گرفته شد: يك روش
لغتنامه محور كلاسيك مبتني بر برنامه نويسي در پايتون و يك مدل زباني پيشرفته مبتني بر هوش م صنوعي كه با استفاده از پرامپت به تحليل متون ميپردازد.
نتايج مقايسهاي نشان ميدهد كه اگرچه هر دو روش قادر به شناسايي روندهاي كلي گفتمان هستند، مدلهاي زباني بزرگ عملكرد بهتري در تشخيص الگوهاي
وابسته به زمينه، تغييرات غيرايستا و شدت احساسي متن دارند. يافته هاي اين پژوهش نشان ميدهد كه تركيب تحليل داده هاي زماني و مد ل هاي هوش
مصنوعي زباني ميتواند چارچوبي كارآمد براي تحليل داد ه هاي اجتماعي پيچيده فراهم كند و امكان ارزيابي عملي الگوريتمهاي NLP در شرايط واقعي را مهيا
سازد.
|
|
Researchers
|
farzad golestani (First researcher) , atefeh hoseini (Second researcher) , Tahmineh Jalali (Third researcher)
|