文本情感识别,以改善残疾人在可持续环境中的实时沟通,使用集体深度学习方法
Turki Ali Alghamdi1, Saud S Alotaibi2, Reem Alharthi3,4
1Department of Computer Science and Artificial Intelligence, College of Computing, Umm Al-Qura University, Mecca, Saudi Arabia. taghamdi@uqu.edu.sa.
Scientific reports
|November 21, 2025
概括
本研究介绍了一种优化合奏模型,用于使用改进的沙猫群优化 (OEMPTER-ISCSO) 方法精确地识别文本情感. 这种新的方法实现了95.84%的准确性,增强了情绪检测,以改善沟通,特别是对于残疾人来说.
科学领域:
- 自然语言处理自然语言处理.
- 人工智能的人工智能
- 计算语言学 计算语言学
背景情况:
- 社交媒体激发了人们对文本情感检测的兴趣,这对于情感分析至关重要.
- 准确地检测情绪是具有挑战性的,特别是对于有沟通困难的人来说.
- 深度学习 (DL) 模型显著改善了从文本中识别情绪.
研究的目的:
- 通过使用改进的沙猫群优化 (OEMPTER-ISCSO) 方法,为精确的文本情感识别提供一个优化的合奏模型.
- 增强文本情感识别,以改善沟通,特别是对于残疾人.
- 通过先进的metaheuristic技术来优化集合模型的性能.
主要方法:
- 文本预处理用于规范化和清理.
- 快速文本用于文字嵌入,以创建数值向量表示.
- 一组增强的深信网络 (EDBN),埃尔曼神经网络 (ELNN) 和改进的时间卷积网络 (ITCN) 分类器.
- 增强的沙猫群优化 (ISCO) 用于超参数调整.
主要成果:
- 在基于文本的情感检测数据集上,OEMPTER-ISCSO方法实现了95.84%的高精度.
- 与现有的文本情绪识别模型相比,表现出优异的性能.
- 验证了整体方法和ISCO优化的有效性.
结论:
- OEMPTER-ISCSO模型为文本情感识别提供了强大而准确的解决方案.
- 这种方法有可能显著改善用户体验和通信可访问性.
- 整合DL分类器和群体优化提供了一个强大的情绪分析框架.
