초록
저자원 언어의 짧은 텍스트에서 감정을 식별하는 것은 전문적인 프레임워크와 계산 지능 기술이 요구되는 중요한 과제이다. 본 논문은 짧은 페르시아어 텍스트에서 감정 탐지에 대한 얕은 학습과 깊은 학습 방법을 포괄적으로 탐구한다. 얕은 학습 방법은 특징 추출과 차원 축소를 활용하여 분류 정확도를 향상시키는 반면, 깊은 학습 방법은 전이 학습(transfer learning)과 단어 임베딩(word embedding), 특히 BERT를 활용하여 높은 분류 정확도를 달성한다. 제안된 방법들을 평가하기 위해, 다섯 가지 주요 감정 클래스로 레이블링된 5,472개의 다양한 짧은 페르시아어 텍스트로 구성된 페르시아어 데이터셋인 'ShortPersianEmo'를 제안한다. 평가 결과, 전이 학습과 BERT 기반 텍스트 임베딩이 다른 접근 방식에 비해 짧은 페르시아어 텍스트를 더 정확하게 분류하는 데 우수한 성능을 보였다. 본 연구의 데이터셋인 ShortPersianEmo는 https://github.com/vkiani/ShortPersianEmo에서 공개적으로 제공될 예정이다.