使用CNN-LSTM深度学习方法对朝圣者的情感分析
Aisha Alasmari1, Norah Farooqi1, Youseef Alotaibi1
1College of Computer and Information Systems, Umm Al-Qura University, Makkah, Saudi Arabia.
PeerJ. Computer science
|February 3, 2025
概括
这项研究引入了一种结合卷积神经网络 (CNN) 和长短期记忆 (LSTM) 的新型深度学习模型,用于对朝圣者情绪分析. 该模型在分析朝圣者对餐饮服务的反时实现了92%的准确性.
科学领域:
- 人工智能的人工智能
- 自然语言处理自然语言处理.
- 计算社会科学 计算社会科学
背景情况:
- 人群管理对于像哈吉这样的大型活动至关重要,哈吉是世界上最大的年度穆斯林聚会.
- 虽然对人群的技术监控正在推进,但朝圣者的情绪和经历仍然未得到充分研究,社交媒体数据有限.
- 了解朝圣者的观点对于改善服务和确保有意义的体验至关重要.
研究的目的:
- 开发和评估一种混合深度学习模型,用于对朝圣者经历的情感分析.
- 解决了解朝圣者意见的差距,特别是在餐饮等服务方面.
- 创建和利用一个专门的数据集,餐饮-哈吉,用于情绪分析.
主要方法:
- 开发了一种结合卷积神经网络 (CNN) 进行特征提取和长短期记忆 (LSTM) 进行依赖性分析的新型模型.
- 该模型采用了四个CNN层架构,其次是LSTM层和SoftMax分类器.
- 一个专门的数据集,餐饮-哈吉,被收集,注释,并用于分析朝圣者对预先准备的食品服务的情绪在1442年哈吉期间.
主要成果:
- 拟议的CNN-LSTM模型在餐饮-哈吉数据集上的情绪分析中实现了92%的准确率.
- 性能与各种机器学习 (ML) 模型进行了比较,包括SVM,LR,DT,RF,CNN和LSTM.
- 混合模型的性能明显优于现有方法,SVM,RF和LSTM的准确性约为81%.
结论:
- 开发的CNN-LSTM模型提供了一种高效的方法,用于在像哈吉这样的大型宗教聚会的背景下进行情感分析.
- 这项研究强调了分析朝圣者的情绪的重要性,以提高服务质量和整体体验.
- 专门的餐饮-朝圣数据集和拟议的模型为未来的事件管理和计算社会科学研究提供了宝贵的资源.
