چکیده: امروزه منابع نوشتاری با سرعت بالایی در حال انتشار هستند و مقدار وسیعی از این منابع در ارتباط با نظرات و احساس های کاربران است به همین دلیل بررسی و تحلیل این گونه از نوشتار توجه بسیاری از محققان را به خود جلب کرده است. طراحی سامانه ای بر اساس ویژگی های زبان شناسی شناختی و ماشین های یادگیری از اهداف تعیین شده برای این رساله بوده است. بدین ترتیب در ابتدا پیکره ای احساسی تهیه شد که برگرفته شده از پیکره بی جن خان با تنوع متون نوشتاری است. پیکره تهیه شده با مقدار 23000 سند با طول 24 کلمه، پنج احساس غم، شادی، خشم، حیرت و ترس را شامل می شد. سپس ویژگی های شناختی از قبیل کلمات کلیدی، مفاهیم استعاری و کنایی احساسی، مقولات نحوی مرتبط با احساس معرفی گردید. در ادامه فهرستی نزدیک به 350 کلمه با بار معنایی احساسی به عنوان فهرستی از کلمات کلیدی مرتبط با احساس های گوناگون مشخص گردید. همچنین بر اساس کتاب اصطلاحات فرهنگ عامیانه (نجفی 1387) کتاب نجفی و استعاره های احساسی مطالعه شده در زبان فارسی، فهرستی نیز از استعاره ها و مفاهیم کنایی مرتبط با احساس تهیه گردید. به منظور تهیه فهرستی از مقولات نحوی مرتبط با احساس از برچسب زن نحوی خودکاری استفاده گردید و با استفاده از حد آستانه، مقولات نحوی مرتبط با احساس نیز تهیه گردید. در ادامه پس از مشخص شدن ویژگی های شناختی و توجه به حضور آن ها در جملات به روابط معنایی بین کلمات پرداخته شد. بدین ترتیب با استفاده از شبکه های عصبی مبتنی بر دروازهروابط معنایی کلمات استخراج شده و با ویژگی های شناختی ترکیب گردید. در بخش های بعدی با استفاده از الگوریتم های دسته بندی کننده نایوبیز، درخت تصمیم، ماشین بردار پشتیبانبه دسته بندی دادگان پرداخته شد. معیارهای ارزیابی دقت، بازخوانی، صحت و نرخ اشتباه برای ارزیابی عملکرد سامانه موردبررسی قرار گرفت. درنهایت نتایج به دست آمده نشان داد که ترکیب ویژگی های شناختی به همراه ویژگی های کسب شده از شبکه های عصبی یادگیری عمیق در بهبود عملکرد سامانه تأثیرگذار بوده است و نتایج به دست آمده میزان دقت بالاتری را نشان می دهد به نسبت هنگامی که این ویژگی ها به طور مجزا در دسته بندی احساس بکار می روند.
