آموزش یادگیری عمیق با پایتون و کراس: ساخت مدل تحلیل احساسات (Sentiment Analysis) - آخرین آپدیت

مقدمه Introduction

• پیش‌نیازها Prerequisites

• نمای کلی از تحلیل احساسات An overview of sentiment analysis

1. بررسی کلی تحلیل احساسات 1. Overview of Sentiment Analysis

• کدگذاری بردار کلمات و جاسازی کلمات (Word Embeddings) Word vector encodings and word embeddings

• پیش‌پردازش متن برای تحلیل احساسات Preprocessing text for sentiment analysis

• رویکردها و چالش‌های تحلیل احساسات Approaches and challenges in sentiment analysis

• انواع تحلیل احساسات Types of sentiment analysis

2. پاک‌سازی و پیش‌پردازش داده‌های متنی 2. Cleaning and Preprocessing Text Data

• راه‌اندازی و آماده‌سازی گوگل کولب (Google Colab) Getting setup with google colab

• تحلیل طول کلمات در دسته‌های مختلف احساسی Analyzing word lengths across sentiment categories

• بصری‌سازی متن با استفاده از ابر کلمات Visualizing text using word clouds

• پاک‌سازی و پیش‌پردازش متن Cleaning and preprocessing text

• وارد کردن ماژول‌های پایتون و بارگذاری داده‌ها Importing python modules and loading data

3. تحلیل احساسات با استفاده از شبکه‌های عصبی متراکم 3. Sentiment Analysis Using Dense Neural Networks

• آموزش و ارزیابی شبکه عصبی DNN Training and evaluating the DNN

• آموزش DNN با استفاده از Embeddingها Training a DNN using embeddings

• نمایش متن با استفاده از توالی‌های اعداد صحیح Representing text using integer sequences

• شبکه‌های عصبی پیش‌خور (Feed Forward) Feed forward neural networks

• آموزش و ارزیابی مدل Training and evaluating the model

• نمایش متن با استفاده از برداری‌سازی TF-IDF Representing text using TF-IDF vectorization

• نمایش متن با استفاده از Count Vectorization Representing text using count vectorization

• پیکربندی Count Vectorizer به عنوان لایه مدل Configuring the count vectorizer as a model layer

• پیکربندی شبکه عصبی متراکم Configuring the dense neural network

• تقسیم داده‌ها به مجموعه‌های آموزش، تست و اعتبارسنجی Splitting data into training test and validation sets

4. تحلیل احساسات با استفاده از شبکه‌های عصبی بازگشتی 4. Sentiment Analysis Using Recurrent Neural Networks

• سریال‌سازی مدل در دیسک و بارگذاری مدل Serializing a model to disk and loading model

• شبکه‌های عصبی بازگشتی (RNN) Recurrent neural networks

• آموزش شبکه LSTM Training an LSTM network

• آموزش یک شبکه عصبی بازگشتی Training a recurrent neural network

• سلول‌های LSTM و GRU The LSTM and GRU cells

• سلول‌های حافظه طولانی Long memory cells

جمع‌بندی Conclusion

• خلاصه و گام‌های بعدی Summary and next steps