مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 24 1 2026 5 12 Design a Novel Emotion Assessment Approach for Cancer Care Based on Large Language Models رویکرد ارزیابی هیجان نوین جهت مراقبت از سرطان مبتنی بر مدل‌های زبانی بزرگ 27 37 fa نفیسه فارغ زاده گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران محمد قبادی دانشكده كامپيوتر، واحد الکترونیک، دانشگاه آزاد اسلامي، تهران، ايران پریسا رحمانی دانشكده كامپيوتر، واحد پردیس، دانشگاه آزاد اسلامي، تهران، ايران، مهدی بازرگانی دانشكده كامپيوتر، واحد زنجان، دانشگاه آزاد اسلامي، زنجان، ايران، 2025 10 21   <div class="lRu31" dir="ltr">This research initiated to address the concern and challenge of the lack of specialized native tools in the field of emotion analysis in cancer patients and to provide a new system for assessing the emotions of these patients. The main goal of this study was to design and implement a hybrid system based on deep learning to identify the presence of one or more emotions simultaneously from six emotional categories (happiness, sadness, anger, fear, hope, despair) in Persian texts on social networks. This new approach allows for a better understanding of the complexity and simultaneity of emotions. For this purpose, a set of 10,000 cancer-related posts from social platforms was tagged. The proposed model, which uses the intelligent integration of the large native language model ParsBERT with the Bi-GRU network, was fine-tuned for this task. The evaluation results clearly demonstrate the remarkable achievement of this research; the proposed method achieved an accuracy of 86.8% and an average F1-Score of 84%. The proposed system showed an improvement of 2.3% in accuracy compared to the baseline models. The system performs effectively in detecting frequent emotions such as sadness with an F1-Score of 92% and despair with an F1-Score of 90%, providing an automated and powerful tool for monitoring the emotions of cancer patients and more effective psychotherapy interventions. <div class="OvtS8d"> </div> <div class="NQSJo"> </div> </div> <div class="UdTY9 WdefRb" data-location="2"> </div> پژوهش حاضر، در راستایرفع دغدغه و مواجهه با چالش کمبود ابزارهای تخصصی بومی در حوزه تحلیل هیجانات بیماران سرطانی و با هدف ارائه یک سیستم نوین برای ارزیابی هیجانات این بیماران آغاز شده است. هدف اصلی این مطالعه، طراحی و پیاده&zwnj;سازی یک سیستم ترکیبی مبتنی بر یادگیری عمیق برای شناسایی حضور یک یا چند هیجان به صورت همزمان از میان شش دسته هیجانی (شادی، غم، خشم، ترس، امید، ناامیدی)، در متون فارسی شبکه&zwnj;های اجتماعی است. این رویکرد نوین امکان درک بهتر پیچیدگی و هم&zwnj;زمانی هیجانات را فراهم می&zwnj;نماید. به این منظور، مجموعه&zwnj;ای شامل ۱۰,۰۰۰ پست مرتبط با سرطان از پلتفرم&zwnj;های اجتماعی برچسب&zwnj;گذاری شد. مدل پیشنهادی که از تلفیق هوشمندانه مدل زبان بزرگ بومیParsBERT با شبکه Bi-GRU بهره می&zwnj;برد، برای این وظیفه تنظیم دقیق گردید. نتایج ارزیابی، دستاورد قابل توجه این پژوهش را به وضوح نشان می&zwnj;دهد؛ روش پیشنهادی به دقت 8/86% و معیار -Score1 Fمیانگین ۸۴% دست یافت. سیستم پیشنهادی، بهبودی معادل ۲/۳% در دقت نسبت به مدل&zwnj;های پایه نشان داد. سیستم در تشخیص هیجانات پرتکرار مانند غم با معیار -Score1 Fمعادل ۹۲% و ناامیدی با معیار -Score1 Fمعادل ۹۰%، عملکردی موثر و ابزاری خودکار و قدرتمند برای پایش هیجانات بیماران سرطانی و مداخلات روان درمانی موثرتر ارائه می&zwnj;دهد.

http://ijece.org/en/Article/Download/51872