fa مروری برالگوریتم حافظه کوتاه مدت طولانی و کاربردهای آن تخصصي Special علمی- ترویجی Scientific-extension &nbsp;<span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:14.0pt;">شبکه‌های عصبی بازگشتی مدلی از روش‌های یادگیری عمیق است که در چند دهه گذشته موضوع بسیار پرطرفداری بوده است. شبکه‌های عصبی</span></span></span><span style="font-size:14.0pt;"> LSTM </span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:14.0pt;">روشی جدید از پردازش اطلاعات است که به‌خاطر ساختار زنجیرهای که دارد بر روی داده‌هایی با سری زمانی فعالیت می‌کند که منجر به رخدادهای قدرتمندی در حوزه یادگیری عمیق می‌شود. اگر</span></span></span><span style="font-size:14.0pt;"> LSTM </span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:14.0pt;">ویژگی مهمی در دنباله ورودی در گام‌های ابتدایی را تشخیص دهد، به‌دلیل داشتن حافظه کوتاه مدت طولانی می‌تواند این اطلاعات را طی مسیر طولانی منتقل کند و این گونه وابستگی‌های بلندمدت احتمالی را دریافت و حفظ می‌کند. در این مقاله سعی شده است انواع</span></span></span><span style="font-size:14.0pt;"> LSTM </span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:14.0pt;">و کاربرد آنها در پردازش متن در حوزه‌های طبقه‌بندی متون و تحلیل احساسات و استخراج ویژگی بررسی شود علاوه بر این ما شناسایی اهداف آینده را مد نظر قرار داده و مسیر تحقیق&nbsp; آینده برجسته شده است</span></span></span><span style="font-size:14.0pt;">.</span><span dir="RTL"><span style="font-family:B Nazanin;"><span style="font-size:14.0pt;"></span></span></span> Recursive neural networks are a model of deep learning techniques that has been a very popular topic for the past few decades. LSTM neural networks are a new way of processing information that, because of its chain structure, operates on time-series data that leads to powerful deep learning events if LSTM is an important feature in the input sequence. Recognize in the early stages because of its short-term memory, it can transmit this information over long distances and receive and maintain such potential long-term dependencies. In this article, we have tried to examine the types of LSTM and their application in text processing in the fields of text classification, emotion analysis and feature extraction. In addition, we have also considered identifying future goals and highlighting the path of future research یادگیری عمیق, شبکه‌های بازگشتی LSTM, پردازش متن, استخراج ویژگی : Deep learning, Recurrent neural network LSTM, Natural language processing, Feature extraction 70 77 http://kiaeee.ir/browse.php?a_code=A-10-351-2&slc_lang=fa&sid=1 میترا حسینی hoseinimitra@yahoo.com 1003194753284600811 1003194753284600811 Yes گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد مشهد مهرداد جلالی dr_mehrdadjalali@yahoo.com 1003194753284600812 1003194753284600812 No گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد مشهد