Teaching expression Of happiness and sadness

مع زيادة الشبكات الاجتماعية ، بدأ الناس في مشاركة المعلومات عبر أنواع مختلفة من وسائل التواصل. في هذا العمل قمنا بالاستفادة من قصص الأطفال وتوظيفها لتعليم الاطفال وذلك عن طريق قراءة قصة لهم وتحويلها إلى نص ومعالجة النص باستخدام اللغات الطبيعية و استخراج المشاعر بشكل اتوماتيكي من هذه القصة و لتحقيق ذلك قمنا باستخدام عدة تقنيات و دمجها و قارنا بين نتائجها على عدد من القصص القصيرة المخصصة للأطفال حيث تم استخدام كل من التقنيات المختلفة غير الخاضعة للإشراف مثال Dictionary Basedأو خاضعة للإشراف كالشبكات العصبونية التي تعتمد على البيانات لتحليل المشاعر حيث استخدمنا مصنفات متعددة وهي Support Vector Machineوstochastic Gradient Descent و Decision Tree و Random ForestوNaïve BayesوK-Nearest NeighborوNearest Centroidكذلك استخدمنا الشبكات العصبونية العميقة كمثال الشبكات العصبونية التكرارية RNNو في النهاية تم التوصل إلى استنتاج المشاعر الصحيحة للقصة من خلال Dictionary Basedالتي اعطت افضل دقة ثم إظهار صورة التعبير الصحيح الذي يبين للطفل التعبير المراد إبداؤه عند سماع أحداث هذه القصةليتفاعل معه ويتعلم التعبير الصحيح

With the increase in social networks, people have started to share information via different types of social media. Among themwere sites for exchanging people's opinions and others to exchange stories about real life and stories for children. In this work we made use of children's stories and employed them to teach children with Down syndrome the correct feelings by reading a story for them, converting it into text, processing the text using natural languages and extracting feelings automatically from This story, and to achieve this, we used several techniques, combined them, and compared their results on a number of short stories dedicated to children, where each of the different techniques that were unsupervised, such as Dictionary Based or supervised, such as data-dependent neural networks, were used to analyze feelings, where we used multiple classifiers. They are Support Vector Machine, Stochastic Gradient Descent, Decision Tree, Random Forest, Naïve Bayes, K-Nearest Neighbor, and Nearest Centroid We also used deep neural networks as the example of RNN. Finally, the correct sentiment for the story was reached through Dictionary Based which gave the best accuracy and then showed a photo that shows the child the expression they want to start with The events of this story to interact with him and learn the correct expression