論文の概要: Arabic Text Sentiment Analysis: Reinforcing Human-Performed Surveys with Wider Topic Analysis

• arxiv url: http://arxiv.org/abs/2403.01921v1
• Date: Mon, 4 Mar 2024 10:37:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-06 19:05:54.469160
• Title: Arabic Text Sentiment Analysis: Reinforcing Human-Performed Surveys with Wider Topic Analysis
• Title（参考訳）: アラビア語テキスト感情分析:より広い話題分析による人格調査の強化
• Authors: Latifah Almurqren, Ryan Hodgson, Alexandra Cristea
• Abstract要約: 詳細な研究は、2002年から2020年の間に英語で出版された133のASA論文を手作業で分析する。 主な発見は、機械学習、レキシコンベース、ハイブリッドアプローチといった、ASAで使用されるさまざまなアプローチを示している。 アラビア文字SAについては、業界だけでなく学術分野でも使用できるASAツールを開発する必要がある。
• 参考スコア（独自算出の注目度）: 49.1574468325115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sentiment analysis (SA) has been, and is still, a thriving research area. However, the task of Arabic sentiment analysis (ASA) is still underrepresented in the body of research. This study offers the first in-depth and in-breadth analysis of existing ASA studies of textual content and identifies their common themes, domains of application, methods, approaches, technologies and algorithms used. The in-depth study manually analyses 133 ASA papers published in the English language between 2002 and 2020 from four academic databases (SAGE, IEEE, Springer, WILEY) and from Google Scholar. The in-breadth study uses modern, automatic machine learning techniques, such as topic modelling and temporal analysis, on Open Access resources, to reinforce themes and trends identified by the prior study, on 2297 ASA publications between 2010-2020. The main findings show the different approaches used for ASA: machine learning, lexicon-based and hybrid approaches. Other findings include ASA 'winning' algorithms (SVM, NB, hybrid methods). Deep learning methods, such as LSTM can provide higher accuracy, but for ASA sometimes the corpora are not large enough to support them. Additionally, whilst there are some ASA corpora and lexicons, more are required. Specifically, Arabic tweets corpora and datasets are currently only moderately sized. Moreover, Arabic lexicons that have high coverage contain only Modern Standard Arabic (MSA) words, and those with Arabic dialects are quite small. Thus, new corpora need to be created. On the other hand, ASA tools are stringently lacking. There is a need to develop ASA tools that can be used in industry, as well as in academia, for Arabic text SA. Hence, our study offers insights into the challenges associated with ASA research and provides suggestions for ways to move the field forward such as lack of Dialectical Arabic resource, Arabic tweets, corpora and data sets for SA.
• Abstract（参考訳）: 感覚分析(SA: Sentiment Analysis)は、現在でも盛んに研究されている分野である。 しかし、アラビア語の感情分析(ASA)の課題は研究の分野においてまだ過小評価されている。 本研究は,テキストコンテンツに関する既存のASA研究の深層・深層分析を行い,それらの共通テーマ,応用分野,手法,アプローチ,技術,アルゴリズムを同定する。 2002年から2020年にかけて、英語で出版された133のASA論文を、4つの学術データベース(SAGE, IEEE, Springer, WILEY)とGoogle Scholarから手作業で分析した。 本研究は,2010年から2020年までの2297件のASA出版物において,オープンアクセスリソース上でのトピックモデリングや時間解析などの最新の自動機械学習技術を用いて,先行研究で確認されたテーマと傾向を補強する。 主な発見は、機械学習、レキシコンベース、ハイブリッドアプローチといった、ASAで使用されるさまざまなアプローチを示している。 その他の発見としては、ASA'winning'アルゴリズム(SVM、NB、ハイブリッドメソッド)がある。 LSTMのような深層学習手法は精度が高いが、ASAの場合、コーパスはそれをサポートするには不十分である。 また、ASAコーパスやレキシコンもいくつかあるが、もっと必要である。 具体的には、アラビア語のツイートコーポラとデータセットは、現在中程度のサイズに過ぎません。 さらに、高いカバレッジを持つアラビア語の語彙は、現代標準アラビア語(MSA)の単語のみを含み、アラビア語の方言を持つ単語は非常に小さい。 そのため、新たなコーパスを作成する必要がある。 一方、ASAツールは厳格に欠落している。 アラビア文字SAについては、業界だけでなく学術分野でも使用できるASAツールを開発する必要がある。 そこで本研究では,ASA研究に関連する課題について考察し,対話的アラビア語資源の欠如,アラビア語のつぶやき,コーパス,SAのためのデータセットなどの分野を前進させる方法について提案する。

関連論文リスト

• ROAST: Review-level Opinion Aspect Sentiment Target Joint Detection for ABSA [50.90538760832107]
  本研究は新たな課題であるROAST(Review-Level Opinion Aspect Sentiment Target)を提示する。 ROASTは、文章レベルのABSAとテキストレベルのABSAのギャップを埋めようとしている。 利用可能なデータセットを拡張してROASTを有効にし、以前の研究で指摘された欠点に対処します。
  論文  参考訳（メタデータ） (2024-05-30T17:29:15Z)
• Arabic Sentiment Analysis with Noisy Deep Explainable Model [48.22321420680046]
  本稿では,アラビア語の感情分類フレームワークを提案する。 提案フレームワークは,局所的な代理説明可能なモデルをトレーニングすることで,特定の予測を説明することができる。 アラビアサデータセットの公開ベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2023-09-24T19:26:53Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• Exploring Sentiment Analysis Techniques in Natural Language Processing: A Comprehensive Review [0.15229257192293202]
  感性分析(英: Sentiment Analysis、SA)は、テキストによる感情の検出と理解を自動化するプロセスである。 SAは自然言語処理(NLP)の分野で大きな人気を集めている。 本研究の目的は,SAプロセスの効率性と精度の向上であり,よりスムーズでエラーのない結果をもたらすことである。
  論文  参考訳（メタデータ） (2023-05-24T07:48:41Z)
• H-AES: Towards Automated Essay Scoring for Hindi [33.755800922763946]
  ヒンディー語領域におけるAES(Automated Essay Scoring)の最先端手法を再現・比較する。 LSTM Networks や Fine-Tuned Transformer Architecture など,古典的な機能ベースの機械学習(ML)と高度なエンドツーエンドモデルを採用しています。 我々は、英訳エッセイを用いて、我々のモデルを訓練し、評価し、自分たちの小規模で実世界のヒンディー語コーパスでそのパフォーマンスを実証的に測定する。
  論文  参考訳（メタデータ） (2023-02-28T15:14:15Z)
• Survey of Aspect-based Sentiment Analysis Datasets [55.61047894397937]
  アスペクトベースの感情分析(ABSA)は、ユーザ生成レビューの分析を必要とする自然言語処理の問題である。 ABSAの多くの散在したコーパスは、研究者が特定のABSAサブタスクに適したコーパスを素早く特定することを困難にしている。 本研究では,自律型ABSAシステムの学習・評価に使用できるコーパスデータベースを提案する。
  論文  参考訳（メタデータ） (2022-04-11T16:23:36Z)
• MACRONYM: A Large-Scale Dataset for Multilingual and Multi-Domain Acronym Extraction [66.60031336330547]
  様々なNLPアプリケーションには、頭字語とその拡張形式が必要である。 既存のAE研究の限界の1つは、それらが英語と特定のドメインに限定されていることである。 複数の言語やドメインにアノテートされたデータセットが欠落することは、この分野の研究を妨げる大きな問題となっている。
  論文  参考訳（メタデータ） (2022-02-19T23:08:38Z)
• Pre-trained Transformer-Based Approach for Arabic Question Answering : A Comparative Study [0.5801044612920815]
  4つの読解データセットを用いて、アラビア語のQAに対する最先端の事前学習変圧器モデルの評価を行った。 我々は, AraBERTv2-baseモデル, AraBERTv0.2-largeモデル, AraELECTRAモデルの性能を微調整し, 比較した。
  論文  参考訳（メタデータ） (2021-11-10T12:33:18Z)
• Sentiment Analysis in Poems in Misurata Sub-dialect -- A Sentiment Detection in an Arabic Sub-dialect [0.0]
  この研究は、リビアで話されているミシュラタ・アラビア語サブ方言で書かれた詩の感情を検出することに焦点を当てた。 データセットから感情を検出するために使用されるツールは、SklearnとMazajak sentiment tool 1.1である。
  論文  参考訳（メタデータ） (2021-09-15T10:42:39Z)
• Arabic aspect based sentiment analysis using BERT [0.0]
  本稿では、BERTのような事前訓練された言語モデルからのコンテキスト埋め込みのモデリング機能について述べる。 我々は、このタスクに対処するために、シンプルだが効果的なBERTベースの神経ベースラインを構築しています。 実験結果によると, 単純な線形分類層を持つBERTアーキテクチャは, 最先端の成果を上回った。
  論文  参考訳（メタデータ） (2021-07-28T11:34:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。