رمزگشایی پویایی عاطفی: تحلیل تطبیقی مدلهای زمینهای و غیرزمینهای در تحلیل احساسات گفتگوهای زوج ترک
| عنوان | رمزگشایی پویایی عاطفی: تحلیل تطبیقی مدلهای زمینهای و غیرزمینهای در تحلیل احساسات گفتگوهای زوج ترک |
|---|---|
| نویسنده | کافشچی اوغلو، ن.، یلدیز، اولجای تانر، دمیروغلو، جنک، پولات، اسما نافیه |
| تاریخ انتشار: | 2024-01-01 |
| محل انتشار | - IEEE |
| موضوع | زبان ترکی، مدل غیر متنی، تجزیه و تحلیل مورفولوژیکی، Llms، Llama 2، Gpt، تنظیم دقیق، Dialoguernn، مجموعه داده گفتگوی زوجی، تحلیل احساسات مکالمه، مدل متنی، مدلسازی زمینه، رمزگشایی، تست معیار، ارتباطات شفاهی، مدلهای زبان بزرگ، مدلهای تحلیلی تحلیلی |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 2169-3536 |
| شماره ثبت | ef72c83c-1425-43fa-a15b-0bd5d177da35 |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2024-01-01 |
| یادداشتها | TÜBİTAK |
| متن نمونه | این مقاله مجموعه داده "گفتگوی زوج" را معرفی می کند که به طور خاص برای تجزیه و تحلیل احساسات محاوره ای در زبان ترکی تهیه شده است. این شامل 14294 گفتار از 118 مکالمه دوتایی بین زوج ها است که هر کدام برای ثبت انتقال احساسات و پویایی بین فردی مشروح شده است. مطالعه ما دو چارچوب مدلسازی متمایز - مدل غیر متنی و مدل متنی را در تضاد قرار میدهد. مدل غیر زمینهای، گفتهها را به طور مستقل تجزیه و تحلیل میکند و معمولاً تفاوتهای ظریف پویایی مکالمه و تکامل احساسات را نادیده میگیرد. در این چارچوب، ما یک تجزیه و تحلیل صرفی دقیق به دلیل ماهیت چسبناک و ساختار صرفی غنی زبان ترکی انجام دادیم که شامل اشکال مختلف کلمه و تکواژهای نفی برای نمایش احساسات بسیار مهم است. در مقابل، مدل متنی از پیشرفتهترین مدلهای زبان بزرگ (LLM) مانند BERT، GPT-3.5 Turbo، Llama 2 و GPT-4 در کنار معماریهایی مانند DialogueRNN استفاده میکند. این مدل جنبههای متوالی و رابطهای دیالوگها را از طریق سه رویکرد پردازش میکند: روشهای مبتنی بر سریع، تنظیم دقیق و مبتنی بر تعبیه، به ویژه با تنظیم دقیق و تکنیکهای تعبیه پیشرفته (با استفاده از BERT ترکی از قبل آموزشدیده و تنظیمشده). مدل متنی به طور قابلتوجهی از مدل غیر متنی بهتر عمل میکند، و 9.98٪ بهبود در نمرات وزندار F1 تایید شده توسط آزمونهای آماری را نشان میدهد. کار ما نه تنها پیشگام استفاده از LLM در تجزیه و تحلیل احساسات مکالمه ترکی است، بلکه بر اهمیت حیاتی درک متنی در گرفتن نشانههای احساسی پیچیده در تعاملات زوجین تأکید میکند. این مطالعه یک معیار قوی برای اکتشافات آینده در تجزیه و تحلیل احساسات در زمینه های زبانی غنی تعیین می کند. |
| DOI | 10.1109/ACCESS.2024.3496867 |
| Cilt | 12 |
