view in publisher's site

Effect of Activation Functions on Deep Learning Algorithms Performance for IMDB Movie Review Analysis

Huge amount of data is generated every moment over the Internet on various platforms such as social networking sites, blogs, customer reviews on various sites where individuals express their views or thoughts about different subjects. Users’ sentiments expressed over the Web influence the readers, product vendors, and politicians greatly. This unstructured form of data needs to be analyzed and converted into a well-structured form and for this purpose, we require Sentiment Analysis. Sentiment Analysis is the process of contextual mining of text that is used to identify and extract the expressed mindset or feelings in different manners such as negative, positive, favorable, unfavorable, thumbs up, thumbs down, etc. In this paper, we have used Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM) and a hybrid approach of CNN and LSTM to perform sentiment classification of IMDB Movie Review dataset. We have applied the trained model on the dataset using various activation functions and compared the accuracy achieved. Maximum accuracy (88.35%) is achieved with CNN with ReLU Activation Function whereas minimum accuracy (48.19%) is achieved with LSTM when used with Linear Activation Function.

تاثیر کارکرده‌ای فعال‌سازی بر الگوریتم های یادگیری عمیق عملکرد برای تحلیل بررسی فیلم IMDB

مقدار زیادی از داده‌ها هر لحظه از طریق اینترنت در پایگاه‌های مختلف مانند سایت‌های شبکه‌های اجتماعی، بلاگ ها، بررسی مشتریان در سایت‌های مختلف که در آن افراد دیدگاه‌ها یا افکار خود را در مورد موضوعات مختلف بیان می‌کنند، تولید می‌شود. احساسات کاربران نسبت به وب بر خوانندگان، فروشندگان محصولات و سیاستمداران تاثیر زیادی می‌گذارد. این شکل بدون ساختار از داده‌ها باید تحلیل شود و به یک فرم به خوبی ساختار یافته تبدیل شود و برای این منظور، ما به تحلیل احساسات نیاز داریم. تجزیه و تحلیل احساسات، فرآیند استخراج متنی متن است که برای شناسایی و استخراج احساسات یا طرز فکر بیان‌شده به شیوه‌های مختلف مانند منفی، مثبت، مطلوب، نامطلوب، شست بالا، شست پایین و غیره مورد استفاده قرار می‌گیرد. در این مقاله، ما از شبکه عصبی کانولوشنال (CNN)، حافظه کوتاه‌مدت (LSTM)و رویکرد ترکیبی سی ان ان و LSTM برای انجام طبقه‌بندی احساسات از مجموعه داده‌های بررسی فیلم IMDB استفاده کرده‌ایم. ما مدل آموزش‌دیده را بر روی مجموعه داده‌ها با استفاده از توابع فعال‌سازی مختلف اعمال کردیم و دقت به‌دست‌آمده را مقایسه کردیم. حداکثر دقت (۸۸.۳۵ %)با عملکرد فعال‌سازی ReLU در سی ان ان به دست می‌آید در حالی که حداقل دقت (۴۸.۱۹ %)با LSTM در زمان استفاده با عملکرد فعال‌سازی خطی به دست می‌آید.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.