論文の概要: Spam and Sentiment Detection in Arabic Tweets Using MARBERT Model
- arxiv url: http://arxiv.org/abs/2606.25495v1
- Date: Wed, 24 Jun 2026 07:22:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.259362
- Title: Spam and Sentiment Detection in Arabic Tweets Using MARBERT Model
- Title（参考訳）: MARBERTモデルを用いたアラビア語ツイートのスパム検出
- Abstract要約: 本研究は、MARBERTを用いて提案モデルを訓練し、f1スコア、精度、リコールメトリクスを用いて性能を測定した。
1,437件、否定13,828件、中立5,694件、皮肉1,221件、不定ツイート2,297件を含む、アラビアの24,513件のツイートデータセットでモデルをトレーニングした。
- 参考スコア（独自算出の注目度）: 0.4288870982674177
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Saudi Telecom Company (STC) is among the most popular companies in Saudi Arabia, with many customers. Yet, there is still a big room for improvement in users' satisfaction. Social media is the most robust platform to gauge users' satisfaction and determine their sentiments and critics. Twitter is among the most popular social media platform in this regard. STC customers prefer to use Twitter to write their feedback because it's a fast way to get responses due to the STC customer services account. One way to achieve customer demands and improve customer service is using the Sentiment Analysis tool. Sentiment Analysis on Twitter is highly used because of the significant number of tweets and the different opinions. Likewise, Deep learning is the best existing Sentiment Analysis method, and it has diverse models. Bidirectional Encoder Representations from Transformers (BERT) model is one of the deep learning models which have achieved excellent results in Sentiment Analysis for Natural Language Processing (NLP). NLP is mainly investigated in the English language. However, for Arabic, there is a significant gap to be filled. This study trained the proposed model using MARBERT and measured the performance using f1-score, precision, and recall metrics. We trained the model with an Arabic dataset of 24,513 tweets, including 1,437 positive, 13,828 negative, 5,694 neutral, 1,221 sarcasm, and 2,297 indeterminate tweets. The main goal is to analyze the tweets and get the sentiment to improve STC customer service. The proposed scheme is promising in terms of accuracy in contrast to existing techniques in the literature.
- Abstract（参考訳）: サウジアラビア・テレコム・カンパニー(STC)は、サウジアラビアで最も人気のある企業の一つであり、多くの顧客を抱えている。
しかし、ユーザ満足度を向上するための大きなスペースはまだ残っています。
ソーシャルメディアは、ユーザーの満足度を測定し、感情や批判を判断する最も堅牢なプラットフォームである。
Twitterは、この点で最も人気のあるソーシャルメディアプラットフォームの一つだ。
STCの顧客は、STCのカスタマーサービスアカウントのためにレスポンスを受け取るのが速いので、フィードバックを書くためにTwitterを使うのが好きです。
顧客の要求を達成し、顧客サービスを改善する方法のひとつは、Sentiment Analysisツールを使用することだ。
Twitterの感情分析は、膨大な数のツイートと異なる意見のために非常に利用されている。
同様に、ディープラーニングは、最も優れた既存の知覚分析手法であり、多様なモデルを持っている。
変換器(BERT)モデルによる双方向エンコーダ表現は、自然言語処理のための知覚解析(NLP)において優れた結果を得たディープラーニングモデルの1つである。
NLPは主に英語で研究されている。
しかし、アラビア語では大きなギャップが埋められる。
本研究は、MARBERTを用いて提案モデルを訓練し、f1スコア、精度、リコールメトリクスを用いて性能を測定した。
1,437件、否定13,828件、中立5,694件、皮肉1,221件、不定ツイート2,297件を含む、アラビアの24,513件のツイートデータセットでモデルをトレーニングした。
主な目標は、ツイートを分析し、STCカスタマーサービスを改善するための感情を得ることだ。
提案手法は,既存の文献技術とは対照的に,精度の面で有望である。
関連論文リスト
- A Machine Learning Approach to Detect Customer Satisfaction From
Multiple Tweet Parameters [0.8585882243614277]
肯定的なレビューは同社の成長に役立つが、ネガティブなレビューは収益と評判を急速に損なう可能性がある。
しかし、何千ものツイートを調査して分析して顧客の満足度を見つけることは、非常に難しい作業だ。
機械学習とディープラーニング技術を使用して手順を自動化するために、この戦略に関するいくつかの作業がすでに行われている。
この研究は、これらの性質を含める視点を広げた。
論文 参考訳（メタデータ） (2024-02-25T05:16:43Z) - BotArtist: Generic approach for bot detection in Twitter via semi-automatic machine learning pipeline [47.61306219245444]
Twitterは、ボットや偽アカウントのターゲットとなり、偽情報や操作の拡散につながった。
本稿では,機械学習モデル開発に関わる課題に対処するために,セミオートマチック機械学習パイプライン(SAMLP)を提案する。
ユーザプロファイル機能に基づいたボット検出モデルBotArtistを開発した。
論文 参考訳（メタデータ） (2023-05-31T09:12:35Z) - Happy or grumpy? A Machine Learning Approach to Analyze the Sentiment of
Airline Passengers' Tweets [17.611366838121064]
本研究は,航空会社に言及したつぶやきの感情を分析し,顧客満足度を測定することを目的とする。
関連するつぶやきはTwitterのAPIから検索され、トークン化とベクトル化によって処理される。
感情分析に加えて、収集したつぶやきの語彙分析を行い、キーワードの頻度をモデル化する。
論文 参考訳（メタデータ） (2022-09-28T18:50:11Z) - ViralBERT: A User Focused BERT-Based Approach to Virality Prediction [11.992815669875924]
本稿では、コンテンツとユーザベースの機能を用いて、ツイートのバイラル性を予測できるViralBERTを提案する。
ハッシュタグやフォロワー数などの数値的特徴を合成してテキストをツイートし、2つのBERTモジュールを利用する手法を用いる。
ViralBERTをトレーニングするために330kのツイートのデータセットを収集し、この分野での現在の研究からベースラインを使用して、モデルの有効性を検証する。
論文 参考訳（メタデータ） (2022-05-17T21:40:24Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Exploiting BERT For Multimodal Target SentimentClassification Through
Input Space Translation [75.82110684355979]
オブジェクト認識変換器を用いて入力空間内の画像を変換する2ストリームモデルを提案する。
次に、翻訳を利用して、言語モデルに多モーダル情報を提供する補助文を構築する。
2つのマルチモーダルTwitterデータセットで最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2021-08-03T18:02:38Z) - Sentiment analysis in tweets: an assessment study from classical to
modern text representation models [59.107260266206445]
Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。
非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。
本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
論文 参考訳（メタデータ） (2021-05-29T21:05:28Z) - Improving Sentiment Analysis over non-English Tweets using Multilingual
Transformers and Automatic Translation for Data-Augmentation [77.69102711230248]
我々は、英語のつぶやきを事前学習し、自動翻訳を用いてデータ拡張を適用して非英語の言語に適応する多言語トランスフォーマーモデルを提案する。
我々のフランス語、スペイン語、ドイツ語、イタリア語での実験は、この手法が非英語のツイートの小さなコーパスよりも、トランスフォーマーの結果を改善する効果的な方法であることを示唆している。
論文 参考訳（メタデータ） (2020-10-07T15:44:55Z) - Writer Identification Using Microblogging Texts for Social Media
Forensics [53.180678723280145]
私たちは、文学的分析に広く使われている人気のあるスタイル的特徴と、URL、ハッシュタグ、返信、引用などの特定のTwitter機能を評価します。
我々は、様々なサイズの著者集合と、著者毎のトレーニング/テストテキストの量をテストする。
論文 参考訳（メタデータ） (2020-07-31T00:23:18Z) - Tweets Sentiment Analysis via Word Embeddings and Machine Learning
Techniques [1.345251051985899]
本論文では、感情分類のための特徴選択モデルWord2vecと機械学習アルゴリズムランダムフォレストを用いて、リアルタイムの2019年選挙Twitterデータに対する感情分析を行うことを目的とする。
Word2vecはテキスト中の単語の文脈意味を考慮し、特徴の質を改善し、機械学習と感情分析の精度を向上させる。
論文 参考訳（メタデータ） (2020-07-05T08:10:30Z) - Sentiment Analysis on Social Media Content [0.0]
本研究の目的は,Twitterから収集した実データの感情分析を行うモデルを提案することである。
Twitterのデータは非常に非構造化されており、分析が困難である。
提案手法は,教師付き機械学習アルゴリズムと教師なし機械学習アルゴリズムの併用により,この分野の先行研究とは異なる。
論文 参考訳（メタデータ） (2020-07-04T17:03:30Z) - Forensic Authorship Analysis of Microblogging Texts Using N-Grams and
Stylometric Features [63.48764893706088]
この研究は、280文字に制限されたツイートメッセージの作者を特定することを目的としている。
弊社の実験では、40名のユーザによる、ユーザ毎120から200のつぶやきを自己キャプチャしたデータベースを使っています。
この小さなセットを使った結果は有望であり、異なる特徴は92%から98.5%の分類精度を提供する。
論文 参考訳（メタデータ） (2020-03-24T19:32:11Z)
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。