ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Sentiment Analysis Using Hybrid Machine Learning Method

العنوان بلغة أخرى: تحليل المشاعر باستخدام طريقة مهجنة من التعلم الآلي
المؤلف الرئيسي: حسونة، محمد أحمد علي (مؤلف)
المؤلف الرئيسي (الإنجليزية): Hassonah, Mohammad Ahmad
مؤلفين آخرين: السيد، رزق (مشرف) , الروضان، على عبدالله (مشرف)
التاريخ الميلادي: 2017
موقع: عمان
الصفحات: 1 - 69
رقم MD: 1245146
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: الجامعة الاردنية
الكلية: كلية الدراسات العليا
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

22

حفظ في:
المستخلص: تعد عملية تحليل العواطف، وتعرف أيضا بالتنقيب عن الآراء، من أهم المواضيع التي يتم التطرق إليها في مجال تحليل اللغات الطبيعية. هدفها الأول والرئيسي هو تحليل وتحديد عواطف وآراء المستخدمين عبر محتواهم الكتابي. بالرغم من وجود العديد من الدراسات والمقاربات التي تطرقت لهذا المجال باستخدام تقنيات مختلفة، إلا أنه لا يزال في طوره الأولي ويحتوي على الكثير من المسائل والمشاكل المهمة التي يجب حلها والتطرق إليها. في هذه الدراسة، نقوم بإجراء عملية تحليل العواطف من وجهة نظر طريقة التعلم الآلي، حيث أننا نقوم ببناء نموذج تصنيف بناء على ثلاثة خيارات: إما إيجابي، محايد، أو سلبي، باستخدام خوارزمية آلات الدعم الموجهة. بالإضافة إلى ذلك، نستخدم في مقاربتنا خوارزميتين وهماMulti-Verse Optimizer وRelieff لتقليل عدد الكلمات المستخرجة على مرحلتين. بالإضافة إلى استخراج 6900 تغريده من شبكة التواصل الاجتماعي Twitter‏ لاختبار عملنا المقترح. وقمنا أيضا بمقارنة نظريتنا المقترحة مع عدة خوارزميات وتقنيات أخرى. أظهرت النتائج أن النموذج المقترح قد تفوق على جميع التقنيات والخوارزميات الأخرى بقدرة نموذجنا على الحصول على نتائج دقة كبيرة، بالإضافة إلى قدرته على تقليل عدد الكلمات إلى أهمها فقط بنسبة 96.85% مقارنة مع العدد الأصلي للكلمات. ونقوم أيضا بتقسيم الكلمات إلى موضوعي، غير موضوعي، و Emoticon (تعابير وجهية وإيماءات) لتحليلها خلال المرحلتين الأولى والثانية من تقليل الكلمات. كل ذلك لتبيان أي علاقة بين هذه الكلمات في كلا المرحلتين. الملاحظ من خلال تجاربنا وجود الكثير من التشابه في النتائج النهائية لكلتي الخوارزميتين.

عناصر مشابهة