نیلوفر رنجبر

با توجه به استفاده روزافزون از شبکه های اجتماعی در دنیای امروز و افزایش تبادل نظر و احساس در این شبکه ها، موضوع تحلیل متون گردآمده در این سکوها از اهمیت زیادی برخوردار شده است. یکی از موضوعاتی که در شبکه ‎های اجتماعی مورد بحث و تبادل نظر جدی قرار می گیرد و از اهمیت زیادی نیز برخوردار است، ازدواج جوانان و مسائلی مانند مسکن، تورم و اشتغال است. ما در این پژوهش به کمک مدل های زبانی بزرگ مانند پارس برت و GPT-3.5 به پردازش داده های شبکه اجتماعی توئیتر در زمینه های ذکر شده می پردازیم. در این پژوهش از GPT-3.5 برای استخراج جنبه های مهم موجود در توئیت ها و برچسب زدن داده ها استفاده می شود. سپس به کمک مدل پارس برت و روش خوشه بندی k-means و همچنین بررسی دستی خوشه ها، جنبه ها گروه بندی شده و موارد نامرتبط آن ها حذف می شوند. پس از آن این جنبه ها تحلیل شده و نتایج نهایی ارائه می شوند. برای ارزیابی میزان دقت تعیین احساس جنبه ها، از یک مجموعه داده آزمایش برچسب زده شده توسط انسان استفاده شد و برای 6 کلاس دقت مدل 0.60 به دست آمد که برای این تعداد کلاس و با توجه به بدون نمونه بودن روش استفاده شده برای تگ زدن، دقت مناسبی است.