در این مقاله، استفاده از شبکه‌های کانولوشنی وزن‌دار ترکیبی برای طبقه‌بندی اسناد چند وجهی پیشنهاد شده است. شبکه‌های کانولوشنی وزن‌دار ترکیبی نوعی از شبکه‌های عصبی کانولوشنی هستند که در آنها خروجی شبکه‌های کانولوشنی مختلف با احتمالی با یکدیگر ترکیب می‌شوند. هر شبکه دارای وزن مخصوصی است که باعث می‌شود آن شبکه عملکرد مناسبی در زمان طبقه‌بندی داشته باشد. در برخی مسائل طبقه‌بندی، این شبکه‌ها نتایج بهتری را نسبت به رویکردهای معمولی، که از میانگین احتمال برای پیش‌بینی استفاده می‌کنند، به دست آورده‌اند. با توجه به استفاده از داده‌های چند وجهی، از همجوشی نیز در رویکرد پیشنهادی این مقاله استفاده شده است. به منظور تعبیه کلمات در تحلیل متنی احساسات نیز روش نمایش رمزگذار دو جهته از مبدل‌ها به کار گرفته شده است. مدل پیشنهادی بر روی مجموعه داده‌های دو پایگاه داده استاندارد ارزیابی شده است و نتایج این ارزیابی نشان داده است که استفاده از رویکرد پیشنهادی دقت مناسبی برای دسته بندی احساسات در داده‌های تک وجهی و چند وجهی خواهد داشت. Manuscript profile

Manuscript profile