تحلیل احساسات توییت‌های فارسی مبتنی بر مدل‌های ترنسفورمر برای پیش‌بینی انتخابات ریاست‌جمهوری ایران

تحلیل احساسات توییت‌های فارسی مبتنی بر مدل‌های ترنسفورمر برای پیش‌بینی انتخابات ریاست‌جمهوری ایران

علی شیخ طاهری1 زینب الهدی حشمتی2

1) دانشکدگان علوم و فناوری های میان رشته ای، دانشگاه تهران
2) دانشکدگان علوم و فناوری های میان رشته ای، دانشگاه تهران.

کد IOI مقاله : ABEB-ACAAAG
محل انتشار : چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
    سکوهای شبکه های اجتماعی به کانال اصلی ابراز نظرات سیاسی شهروندان تبدیل شده‌اند و جایگزینی مقیاس‌پذیر برای نظرسنجی‌های انتخاباتی مرسوم ارائه می‌دهند که پرهزینه، کند و اغلب نادرست است. این مقاله روشی را برای پیش‌بینی نتیجه انتخابات ریاست جمهوری 1400 ایران با تجزیه و تحلیل احساسات توییت‌های فارسی زبان ارائه می‌دهد. با استفاده از یک خزنده وب هدفمند مبتنی بر API توییتر، ما ۴۲۲،۹۳۸ توییت را که از هفت نامزد ریاست جمهوری بین فروردین تا خرداد ۱۴۰۰ نام می‌بردند، جمع‌آوری کردیم. پس از یک پاکسازی گسترده مختص فارسی - شامل فیلتر کردن زبان، حذف توییت‌های تکراری و چند نامزد، حذف کلمات مزاحم و حذف کلمات نامفهوم - هر توییت باقی مانده با استفاده از ParsiNLU، یک مدل ترنسفورمر فارسی از پیش آموزش دیده، در یک مقیاس پنج سطحی از -۲ تا +۲ امتیازدهی شد. سپس یک قانون استنتاج رأی، امتیازات هر کاربر را در بین نامزدها جمع کرد تا رأی هر کاربر را استنباط کند، و رأی ممتنع برای کاربران منفی یا خنثی در نظر گرفته شد. پیش‌بینی تجمیعی به درستی برنده انتخابات و نامزد رتبه چهارم را شناسایی کرد، و تنها یک جابجایی رتبه بین نامزدهای رتبه دوم و سوم وجود داشت؛ یک تحلیل مستقل مبتنی بر نمودار از شبکه‌های احساسات کاربر-نامزد، این رتبه‌بندی را تأیید کرد. نتایج نشان می‌دهد که تحلیل احساسات مبتنی بر تبدیل در رسانه‌های اجتماعی فارسی می‌تواند به طور قابل اعتمادی نتایج انتخابات را پیش‌بینی کند.

کلمات کلیدی : پیش‌بینی انتخابات تحلیل گراف پردازش زبان طبیعی تحلیل احساسات رسانه‌های اجتماعی مدل‌های ترنسفورمر