Stance Detection in Persian Social Media Using Deep Learningتشخیص موضع در شبکههای اجتماعی فارسی با یادگیری عمیق
At the _International Conference on Artificial Intelligence and Future Civilization_ (Tehran, Jan 2025) I presented work on **stance detection in Persian social media using a deep learning approach**.
Stance detection — deciding whether a text is in favor of, against, or neutral toward a target — is harder in Persian due to code-mixing and sarcasm. Our approach uses neural representations tuned for the Persian context and shows clear gains over lexicon baselines.
This is part of a broader line of research on semantic relationships and classification combinations for Persian text.
در _کنفرانس بینالمللی هوش مصنوعی و تمدن آینده_ (تهران، ژانویه ۲۰۲۵) کار پژوهشی درباره **تشخیص موضع در شبکههای اجتماعی فارسی با رویکرد یادگیری عمیق** ارائه دادم.
تشخیص موضع — تعیین اینکه یک متن موافق، مخالف یا خنثی نسبت به یک هدف است — در فارسی به دلیل ترکیب زبانی و کنایه سختتر است. رویکرد ما از نمایشهای عصبی متناسب با بستر فارسی استفاده میکند و پیشرفت آشکاری نسبت به خطمبناهای واژهنامهای نشان میدهد.
این بخشی از یک روند پژوهشی گستردهتر درباره روابط معنایی و ترکیبهای طبقهبندی برای متن فارسی است.