مشخصات مقاله | |
ترجمه عنوان مقاله | اجرای الگوریتم های یادگیری ماشین در تجزیه و تحلیل احساسات عربی با استفاده از ویژگی های N-Gram |
عنوان انگلیسی مقاله | Implementation of Machine Learning Algorithms in Arabic Sentiment Analysis Using N-Gram Features |
انتشار | مقاله سال 2019 |
تعداد صفحات مقاله انگلیسی | 9 صفحه |
هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
پایگاه داده | نشریه الزویر |
نوع نگارش مقاله |
مقاله پژوهشی (Research Article) |
مقاله بیس | این مقاله بیس میباشد |
نوع مقاله | ISI |
فرمت مقاله انگلیسی | |
ایمپکت فاکتور(IF) |
1.257 در سال 2018 |
شاخص H_index | 47 در سال 2019 |
شاخص SJR | 0.281 در سال 2018 |
شناسه ISSN | 1877-0509 |
مدل مفهومی | دارد |
پرسشنامه | ندارد |
متغیر | ندارد |
رفرنس | دارد |
رشته های مرتبط | مهندسی کامپیوتر |
گرایش های مرتبط | الگوریتم و محاسبات، هوش مصنوعی |
نوع ارائه مقاله |
ژورنال و کنفرانس |
مجله / کنفرانس | علوم کامپیوتر پروسیدیا – Procedia Computer Science |
دانشگاه | Computer Science Department, Faculty of computer and information sciences, Ain Shams University Cairo, Egypt |
کلمات کلیدی | تجزیه و تحلیل احساسات گویش عربی، طبقه بندی احساسات، توییتر، عقیده کاوی، یادگیری ماشین، انفورماتیک کاربردی، Ngram |
کلمات کلیدی انگلیسی | Arabic Dialect Sentiment Analysis; Sentiment Classification; Twitter; Opinion Mining; Machine Learning; Applied Informatics; Ngram |
شناسه دیجیتال – doi |
https://doi.org/10.1016/j.procs.2019.06.048 |
کد محصول | E12314 |
وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
فهرست مطالب مقاله: |
Abstract
1. Introduction 2. Related Work 3. The Proposed Methodology 4. Experiment Results and Discussion 5. Conclusions and Future Work 6. References |
بخشی از متن مقاله: |
Abstract
Sentiment analysis (SA) is a scholarly process of extricating and classifying individuals’ emotions and feedbacks expressed in source text content. It is one of the pursued subfields of Computational Linguistics (CL) and Natural Language Processing (NLP). The evolution of social media based applications has generated a big amount of personalized reviews of different related information on the Web in the form of tweets, status updates, and many others. Several approaches have come into the spotlight in recent years to accomplish SA, the most part of SA researches have been applied utilizing the English language. SA in Arabic online social media may be slacking behind commonly because of the difficulties with handling the morphologically complex Arabic natural language and the lack and absence of accessible tools and assets for extracting Arabic opinions from the text. This research is aimed to analyze the collected twitter posts in different Arabic Dialects and a comparison between the various algorithms used for SA with various n-gram as a feature extraction method. The measurement of the performance of different algorithms is evaluated in terms of recall, precision, f-measure, and accuracy. The experiment results show that unigram with Passive Aggressive (PA) or Ridge Regression (RR) gives the highest accuracy 99.96 %. Introduction Sentiment analysis, also called Opinion Mining (OM) is the field that investigates and analyzes individuals’ reactions and responses towards an entity (e.g. Blogs, movies, products, DVD, books…) utilizing text analysis algorithms to determine individual textual attitude1. SA acts like an effective and powerful tool for individuals to extricate the essential information, also to aggregate and mixture the collective sentiments of the reviews. Utilizing SA, variances in stock prices could be predicted2, political election race preferences can be observed closely3, and even groups’ interactions could be observed and followed which provides many advantages and benefits4. As individuals, there is always a tendency to consult close friends and relatives about items before purchasing them. |