دمج سياق وسائل التواصل الاجتماعي لتحليل المشاعر متعددة الأنماط بكفاءة باستخدام تقنيات التعلم العميق

أدى النمو المتسارع لوسائل التواصل الاجتماعي إلى توليد كميات هائلة من البيانات متعددة الأنماط، بما في ذلك النصوص والصوت والمعلومات السياقية، مما يوفر رؤى قيّمة حول مشاعر المستخدمين. يقترح هذا البحث إطارًا منهجيًا لتحليل المشاعر متعددة الأنماط يدمج سياقات وسائل التواصل الاجتماعي المتنوعة باستخدام تقنيات التعلم العميق. ينظم البحث في أربع مراحل رئيسية: (أ) اختيار البيانات من مجموعات بيانات مرجعية مفتوحة المصدر، (ب) إجراءات المعالجة المسبقة، (ج) تطوير مصنف يعتمد على التعلم العميق، و(د) تقييم الأداء باستخدام مؤشرات متعددة. يستخدم الإطار استراتيجيات دمج قائمة على التعلم العميق لدمج خصائص النصوص والصوت بفعالية، مما يعزز دقة تصنيف المشاعر. تم فحص ثلاث استراتيجيات دمج: الدمج المبكر (على مستوى الخصائص)، الدمج المتأخر (على مستوى القرار)، والدمج الهجين. تم تقديم شبكة دمج الانتباه التكيفية متعددة الأنماط المحسنة (MA2FNet) كاستراتيجية الدمج الهجينة المركزية ضمن الإطار المقترح. تضم MA2FNet بنية ذات فرعين تشمل (1) فرع المحاذاة الذي ينمذج التفاعلات المتسقة عبر الأنماط، و(2) فرع التكيف الذي يبرز خصائص محددة لكل نمط ديناميكيًا بناءً على السياق المدخل. بالإضافة إلى ذلك، تم تقييم العديد من معماريات التعلم العميق، بما في ذلك LSTM وGRU والنماذج ذات الاتجاهين، لتحسين التنبؤ بالمشاعر. يدمج النموذج وحدة التشفير، ومكون التفاعل عبر الأنماط، وآلية الدمج التي تعزز عملية الدمج الهجين من خلال استغلال تمثيلات محاذاة الانتباه وإشارات الإضافة المراقبة. تظهر النتائج التجريبية على مجموعة بيانات CMU-MOSI أن نهج الدمج متعدد الأنماط يتفوق بشكل كبير على الأساليب أحادية النمط، مما يتيح التقاطًا أشمل لإشارات المشاعر وتحسين أداء التصنيف. بشكل عام، تؤكد النتائج فعالية التكامل متعدد الأنماط القائم على التعلم العميق في تحقيق فهم دقيق لانفعالات المستخدمين في محتوى وسائل التواصل الاجتماعي.