الگوریتم های یادگیری ماشین
ترجمه نشده

الگوریتم های یادگیری ماشین

عنوان فارسی 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
مجله/کنفرانس: علوم کامپیوتر پروسیدیا – Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: الگوریتم و محاسبات، هوش مصنوعی
کلمات کلیدی فارسی: 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
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2019.06.048
دانشگاه: Computer Science Department, Faculty of computer and information sciences, Ain Shams University Cairo, Egypt
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 1.257 در سال 2018
شاخص H_index: 47 در سال 2019
شاخص SJR: 0.281 در سال 2018
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 9
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E12314
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1-Introduction


2-Related Work


3-The Proposed Methodology


4-Experiment Results and Discussion


5-Conclusions and Future Work


6-References

نمونه متن انگلیسی 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.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

الگوریتم های یادگیری ماشین
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها