مراجعة للتحديات والأساليب والاتجاهات في تحليل المشاعر واكتشاف السخرية | ||||
| النشرة المعلوماتية في الحاسبات والمعلومات | ||||
| Volume 6, Issue 2 - Serial Number 20240602, July 2024, Page 61-68 PDF (291.22 K) | ||||
| Document Type: المقالة الأصلية | ||||
| DOI: 10.21608/fcihib.2024.252159.1100 | ||||
 View on SCiNiTO | ||||
| Authors | ||||
احمد دربالة يعقوب   ; أمل السيد أبوطبل; سلوي سليم
| ||||
| قسم علوم الحاسب، كلية الحاسبات والذكاء الاصطناعي، جامعة حلوان، القاهرة، مصر | ||||
| Abstract | ||||
| بحث: يستكشف هذا الورق البحثي تداخل مجال معالجة اللغة الطبيعية (NLP)، وبشكل خاص تحليل المشاعر واكتشاف السخرية، داخل مجال التعلم الآلي. يسلط الضوء على التحديات المترتبة عن اكتشاف السخرية بسبب طبيعتها الضمنية والتبعيات السياقية. يقدم الورق دراسة شاملة للمجال، بتنفيذ تحليل مقارن لدراسات متنوعة تتنوع من التعلم الآلي التقليدي إلى أساليب التعلم العميق المتقدمة. تشمل التحديات المحددة طبيعة السخرية الضمنية، وتأثير السياق، وصعوبات مجموعات البيانات ذات النصوص القصيرة، وتحدي اكتشاف السخرية والمشاعر في سياق متعدد اللغات، خاصة في اللغات ذات الموارد المنخفضة. يناقش البحث الحلول الابتكارية التي اقترحها الباحثون، متنوعة من التعلم الآلي التقليدي إلى أساليب التعلم العميق المتقدمة، مثل تحليل المشاعر على أساس الجوانب ونماذج المحول المتقدمة. تحقق الطريقة التي تستخدم تحويل الترميز الثنائي الاتجاهات (BERT) لتحليل المشاعر على أساس الجوانب نتائج استثنائية في درجات F1 على مجموعات البيانات من تويتر وريديت. يظهر الشبكات العصبية الاصطناعية بدقة لا تشوبها شائبة في اكتشاف السخرية داخل الرموز التعبيرية والنص. يحقق استخدام محول التبديل المعدل دقة ملحوظة على مجموعة بيانات ArSarcasm، مما يبرز فعالية آلية التحول الديناميكية لديه. بالإضافة إلى ذلك، يؤدي تضمين LSTM ذو الاتجاهين في تحسينات كبيرة في مهام تصنيف المشاعر والسخرية، كما يظهر ذلك في درجات F1 الملحوظة. | ||||
| Keywords | ||||
| كشف السخرية; تحليل المشاعر; معالجة اللغة الطبيعية; التعلم الآلي; التعلم العميق | ||||
| References | ||||
|
| ||||
|
Statistics Article View: 86 PDF Download: 19 |
||||
