没有合适的资源?快使用搜索试试~ 我知道了~
埃及信息学杂志21(2020)7阿拉伯语情感分析的综合研究(挑战和应用)Ahmed Alsayata,Nouh Elmitwallya,b,a沙特阿拉伯Jouf大学计算机科学系计算机和信息科学系b埃及开罗大学计算机科学系计算机和信息学院阿提奇莱因福奥文章历史记录:收到2019年2019年5月21日修订2019年6月19日接受在线预订2019年保留字:语义阿拉伯语Sentiment Analysis社会科学机器学习ALSA六层框架A B S T R A C T阿拉伯语处理工作在多个层面上;很少,这些互补的层面相互协同。阿拉伯语情感分析(ALSA)水平包括语音,形态,句法,词汇,语义和比喻性质。对观点和情感的分析在英语和印欧语言中很有意义,但在阿拉伯语中却很少受到重视,因为阿拉伯语是一种充满修辞特征和隐含意义的语言,在六个语言层次上都有积极和消极的内涵和意义。本文提出了一个全面的和完整的战略ALSA的建议。ALSA框架分析了语言各个层面的观点和情感,以及建立注释语料库的重要性,这有助于从语音层面到修辞和转喻层面理解阿拉伯语句子。©2019 Elsevier B.V.制作和托管代表开罗计算机和信息学院大学这是一篇CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍意见分析、情感发展(例如, 快乐、悲伤和愤怒),以及对书面或音频文本的情绪和情感的识别是人工智能应用和自然语言处理中的重要领域。阿拉伯语在词汇的文本和语音结构方面是独特的。每个词都有积极或消极的隐含或明确的含义。阿拉伯语的语言文本的艺术和方法各不相同,有许多类型的表达,如散文,诗歌,赞美,批评等。所有这些艺术都涉及许多语义结构,这些语义结构在一个明确的(口头上明显的)或隐式(修辞)水平。因此,一个人可以通过观察文字的含义以及嘲笑、赞扬、赞美、嘘声、不满、爱恨等积极或消极方面的感觉来识别文本的任何作者的风格。*通讯作者。电 子 邮 件 地 址 : asayat@ju.edu.sa ( A.Alsayat ) , nselmitwally@ju.edu.sa ,nouh. sabri@fci-cu.edu.eg(N. Elmitwally)开罗大学计算机和信息系负责同行审查。社交媒体(如Twitter和Facebook)在了解人们对特定主题的态度方面变得非常重要,因此企业和政府使用社交媒体生成的数据来衡量对特定主题的看法或产品。许多科学研究使用社交媒体的数据来分析各种自然语言的社交媒体用户[1]。阿拉伯语情感分析(ALSA)需要预处理任务,包括语音、形态、句子分段、词性标记(POST)、语义分析、命名实体识别(NER)、主观分析、比喻分析以及使用词典或语料库对意见进行手动注释[2阿拉伯语情感分析通常使用两种基本方法之一来执行:基于规则的分类器[5,6]或机器学习分类器,其中统计机器学习算法用于检测情感和意见[7从文档层面到句子层面和体层面,人们都在积极探索语义分析的方向[12]。在这项研究开始时,进行了一项文学调查,以确定在这种类型的研究中使用的方法,重点是在阿拉伯语中应用的算法此外,我们还确定了在应用智能科学以产生重大和实际效益时的进步、缺点和挑战与其他语文相比,阿拉伯文在此类应用方面取得的成就微不足道由于大多数研究都是用英语进行的,我们试图回顾https://doi.org/10.1016/j.eij.2019.06.0011110-8665/©2019制作和主办由Elsevier B. V.代表开罗大学计算机和信息学院这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。制作和主办:Elsevier可在ScienceDirect上获得目录列表埃及信息学杂志杂志主页:www.sciencedirect.com8A. Alsayat,N. Elmitwally/埃及信息学杂志21(2020)7对ALSA的研究工作,通过关注声调和语调的语音学中的情感,语言(情绪,评价,感觉,意见,情绪,爆破音,无爆破音液体(liquid)ﺑﻴﻦﻣﺘﻮﺳﻂﺣﺮﻑ的猜测)。语言的情感部分的分类是一组情感取向中的一个(即,正、负、中性)。本研究的目的是全面调查情感分析的阿拉伯语文本的应用程序和挑战,以及如何从这些应用程序中受益的可能性,如比喻和修辞服务于阿拉伯语的精确情感文本。这项研究对阿拉伯语很重要,因为阿拉伯语对人工智能的应用缺乏兴趣,包括机器学习和深度学习。据我们所知,如文献综述所示,迄今为止还没有科学研究监测到阿拉伯语在高水平和综合水平上的处理水平并获得结果。在本文中,我们提出了一种新的方法,阿拉伯语情感分析的基础上,六个层次的功能。我们的研究结果将有助于这一重要研究领域的本文的组织如下:第2节讨论了用于情感分析过程的阿拉伯语六级框架,并提供了所使用的方法的总结;第3节和第4分别介绍了ALSA和语料库注释的机器学习第5节和第6节是本文的结论,并分别提出了未来的研究范围。2. 阿拉伯语情感分析六层框架2.1. 阿拉伯语情感分析没有发表的研究涉及研究阿拉伯语语音信息的优势。然而,我们认为阿拉伯语语音信息可能对阿拉伯语的表征和情感分析有价值。我们认为,考虑到阿拉伯方言的多样性,我们应该按照语音来写阿拉伯语文本,以了解每个字符或声音的正确发音。因此,随着各种句子结构,阿拉伯语中的单词在书写时可以有不同的变化,这导致了大量的指示。阿拉伯语独特的结构和词汇影响了它区别于其他自然语言的特征和属性。阿拉伯语由辅音和元音字符组成,每个字符根据其发音、发音点、元音移动的持续时间以及影响发音规则的后续辅音字符而变化。发音点可以来自鼻子、嘴唇、咽喉空间、舌头或空嘴。发音点属性的方面可以分为摩擦辅音,语音/无声,和软。所有这些都影响了这个词的情感意义,它对心灵的影响,以及它是如何在积极和消极意义方面被接受的[13,14]。心理语音学是研究心理因素对语音认知影响的科学。例如,一个充满幸福感的人可能会用(喜悦)这个词来表示喜悦,用(困境)这个词来表示恩赐,用(诅咒)这个词来表示祝福。因此,心理状态在这种声音的心理变化中起作用。语音学是一门从音调和语调的发音和音位学的角度来研究音素的科学。音素是基于所有的语言水平:形态,句法,词汇和语义,并表示所有的特征(字素,音素,音位变体和语素)。语音的数量远远高于字母表中字母和语音的数量。发音取决于喉咙、上颚、嘴唇和鳃。non-)、软腭音(velarized)、摩擦音(fricative)、非软腭音(non-velar and ) 、 软 腭 音 ( velar ) 、 软 腭 音 ( velarized ) 、 摩 擦 音(fricative)、摩擦音(non-velar and)、软腭音(velar)、软腭音(velarized)。Ermakov等人。[15]提出了一种基于语音特征的俄语单词发音预测的新方法。Helali等人。[16]为阿拉伯语突尼斯语的语音识别模型构建了一个手动标记的语料库我们的目的是鼓励研究者关注基于情感分析作为阿拉伯语自然语言处理(ANLP)第一层的其主要思想是确定阿拉伯语单词的语音特征,这些特征可能会影响它们的情感极性。2.2. 形态形态学是一门科学,它着眼于从词的起源中推导出词的分支;从抽象和增加、强度和弱度方面规定词的结构;派生词的形态学的意义;以及 构 造 的 资 产 和 分 析 的 规 则 阿 拉 伯 语 是 一 种 形 态 丰 富 的 语 言(MRL),与情感分析相互作用[17]。形态学中最重要的单位,被定义为具有“最小意义单位”,被称为“语素”。 词性(POS)识别单词如何与有助于消除情感歧义的形容词一起使用。例如,我们可以把像“good”这样的词看作是一个形容词,它意味着一种积极的情绪;然而,如果这个词是一个名词,它就是中性的。Abdul-Mageed等人[7]表明,阿拉伯语主观性和主观情感分析(SSA)的上下文取决于使用POS标签的形态信息量。 Mourad等人。[18]提出了一个强大的基线系统,用于对阿拉伯语新闻和推文执行SSA,这取决于词干和POS标记。使用POS标签的分词已被证明对于检测主观性和情感分析是有用的。Elarnaoty[19]使用词法分析器从阿拉伯语新闻中提取有用的主观意见Moussa等人。[9]提出了一个通用词典,并开发了一个基于四个类别(NOUN,VERB,ADJ,ADV)的POS标签的积极和消极情绪的统计算法2.3. 语法语义学是考察原句的名词和动词之间的影响关系,以及为达到与言语相匹配的目的而修饰的句子的科学。它着眼于多词表达和句法成分,以及如何安排的话形成一个句子。句法分析提取的短语传达更多的意义,而不仅仅是单个单词本身,例如在名词短语中。名词短语(NP)和动词短语(VP)的组合对句子的情感进行分类[5,20]。Ibrahim[20]提出了一个“现代标准阿拉伯语(MSA)和埃及方言的情感分析系统,使用不同类型的数据(推特,产品评论,电视(TV)节目评论和酒店预订)的语料库”,使用句法特征,短语模式和POS n-gram标签。El-Halees[1]2.4. 词汇学词汇学是一门研究字典的科学,它研究从词根中派生出来的术语的所有含义,完美地描述了阿拉伯语它研究A. Alsayat,N. Elmitwally/埃及信息学杂志21(2020)79表1阿拉伯语情绪分析(ALSA)水平与传统的情绪/意见水平。阿拉伯语情绪分析水平传统情绪/意见水平说明/特点语音学方面水平辅音元音音节形态方面水平状态(不确定,确定,构造),性别(男性,女性),数量(单数,复数),语气(指示性,主观),语音(主动,被动),人称(第一,第二,第三),词性(Part of speech,POS)、变音符号(Diacritic)、体(Aspect)[10]。句子级POS,单词的n元语法,词素,词袋(Bag of Words,BOW),词汇袋(Bagof Lexemes)。句法依存词汇学体+句子+概念-基于词典和学习的观点- 从可视内容和文本Meta数据中- 语料库标注、词形化、词性标注和句法分析。语义概念层+文档层-语义特征- 情绪(惊讶、恐惧、厌恶、悲伤、快乐、愤怒)- 积极词汇、消极词汇、中性词汇[26]。比喻词的层次与其词汇意义有关,而词性作为词位是词汇意义的基本单位。语料库语言学影响词典编纂,因此语料库可以用于可靠地描述词汇,语言Refaee等人。[10]提出了一个手动标记的注释语料库,以支持阿拉伯语Twitter提要的敏感性和情感分析(SSA)。Alayba等人。[22,23]建立了一个用于医疗服务的阿拉伯语情感语料库。从Twitter收集的数据由三个注释者手动注释。分类使用深度神经网络和机器学习算法。2.5. 语义语义学是一门研究特定的语言或社会背景激发特定术语特定意义的科学,它表明了在特定的地理环境和特定的历史时期通过文本研究词语的重要性。阿拉伯语处理的语义层涉及到通过根据给定的上下文消除具有多重定义的单词的歧义来确定句子的含义。这一层次需要对句子的含义作出适当的解释。情感是在概念层面上分析的,以获得文本中的确切含义。基于概念的方法可以检测由多词表达概念产生的情感。语义特征聚焦从文本中提取语义隐藏的概念以前的研究[3,11]提供了阿拉伯语推文的语义情感分析模型,以衡量沙特阿拉伯电信公司的客户满意度。El-Beltagy等人[24]提出了埃及方言情感词汇。人工构建了包含380个词的情感词典,并用于收集更多的情感术语。Shoukry等人。[25]将特征向量应用于朴素贝叶斯(NB)和支持向量机(SVM)分类器1000条阿拉伯语推特2.6. 阿拉伯语比喻和修辞比喻语言,尤其是阿拉伯语(隐喻和转喻),是自然语言处理(NLP)面临的最具挑战性的问题之一。阿拉伯语,从本质上讲,利用语言手段,如隐喻,类比,ambi-内疚、讽刺、讽刺、委婉、夸张、语境转换、错误断言、矛盾修饰法/悖论和修辞问题,以传达更复杂的含义[4]。我们发现很少或没有工作探索比喻阿拉伯语情感检测夸张,轻描淡写,修辞问题,隐喻,明喻,和其他创造性的使用语言使用修辞格。夸张法是指用夸张的语气表达感情和观点。它经常被用来给人留下深刻的印象或强调意义。委婉语(委婉语)减少了一个表达或一个观点的细节,这是被认为是不愉快的,以软化原来的状态意义。2.7. 阿拉伯语情绪分析与意见经典的情感/观点可以在四个不同的层次上显示:方面层次,句子层次,概念层次和文档层次[12]。如前所述,阿拉伯语语义分析有六个层次:语音、形态、句法、词汇、语义和比喻性质。表1描述了经典情感分析的当前级别和阿拉伯语言情感分析(ALSA)的拟议处理级别的映射。方面级别:方面级别从文本中识别和提取情感的方面,然后指定极性(积极,消极和中性)。句子层次:句子层次将情感分为主观或客观句子,并设置极性(积极或消极)。概念层面:概念层面侧重于句子的语义分析。它考察了关于情感的概念情感信息的推理。文档级别:文档级别提供文档的正面或负面情绪摘要。上述比较强调了需要在比喻层面上完成更多的研究,并建立一个包含多个层面的混合模型,以反映拟议的ALSA六层模型(图1)。①的人。3. 阿拉伯语情感分析的机器学习方法机器学习方法长期以来被广泛用于情感分析。机器学习将情感分析解决为10A. Alsayat,N. Elmitwally/埃及信息学杂志21(2020)7Fig. 1. 阿拉伯语情感分析(ALSA)框架。一个文本分类问题。机器学习方法包括支持向量机(SVM)、最大熵、朴素贝叶斯(NB)算法和人工神经网络(ANN)。SVM已经证明了阿拉伯语的优越性能[11,14,19,273.1. 情感分类3.1.1. 基于词典的方法情感词汇的观点和感情包括广泛的单词和短语,携带积极或消极的意义,并用于分析态度和意见。本词典是用来确定语言单位的真正意义[9]。3.1.2. 机器学习方法我们发现,最常用的方法是监督和无监督机器学习技术的组合,包括SVM和K-Nearest Neighbor(KNN),其中SVM适用于大型数据集,KNN适用于小型语料库。然而,当采用无监督技术时,没有使用人类标记的数据,学习函数依赖于在未标记的数据中找到模式[19,27]。3.1.3. 基于规则的方法基于规则的方法主要依赖于极性词典的使用,其中用户设置积极、消极或中性的标签。粗糙集理论(Rough Set Theory,简称RST)是一种数学工具,它通过对高维特征向量进行降维来提高分类精度,而高维特征向量是情感分析的主要问题[6]。Al-Radaideh等人。[6]提出了四种不同的约简计算算法,使用粗糙集分类器(FRAW,遗传,穷举,动态)来提高整体精度。阿拉伯语的原始词形和句子可以帮助推导出一套明确的规则,承载情感意义。基于规则,分配分数是一种捕捉文本中积极或消极情绪水平的方法[5]。表2按阿拉伯语水平特征总结调查研究阿拉伯语-水平参考数据源情感分类主体性类型语音学–NANANA形态[七]《中国日报》DARDASHA(DAR),TAGREED(TGRD),TAHRIR(THR),MONTADA(MONT)支持向量机主观阳性(S-POS)、主观阴性(S-NEG)[19个]新闻语料库条件随机场(CRF)积极、消极或中性取向[9]第一章Opinosis、UMICH、UCI和ProsConsNA积极、消极或中性[18个国家]阿拉伯语森提语词典朴素贝叶斯(NB)词干POS,存在积极的表情符号[27日]阿拉伯语情绪Twitter数据(ASTD)递归神经张量网络(Recursive Neural TensorNetworks,RNTN)正、负或中性语法[20个][1]第一章2000 MSA和埃及方言推文旅馆,书籍,SVMSVM、Logistic回归和随机森林形容词(JJ)、名词(NN)和动词(VB)。正或负词汇学[22日]电影评论(OCA),阿拉伯语情绪推文数据集(ASTD)Twitter机器学习算法(NB、SVM和正或负[五]《中国日报》阿拉伯语意见语料库(OCA)逻辑回归)、深度和卷积神经网络NB、SVM正或负[29日]阿拉伯语方言tweets数据集NB、自适应增强(AdaBoost)、SVM和最大熵(ME)算法正或负语义[3]第一章[24日]Twitter:埃及方言Twitter:埃及方言支持向量机,K-最近邻(KNN),NBSVM心情,意见、态度和情绪词典中的每一个术语都是[二]《中国日报》Twitter帖子SVM,KNN,NB标记为动词、形容词、名词、副词或成语/复合词。正或负阿拉伯情感本体论[25日]Twitter-埃及方言SVM和NB阳性、阴性或中性阳性或阴性具象–NANANAA. Alsayat,N. Elmitwally/埃及信息学杂志21(2020)711表2列出了2015年至2019年发表的32篇文章。第一栏代表阿拉伯语水平。第三列表示数据源和数据集合。所采用的算法/技术/模型和情感极性分别在第四列和第五列中展示。4. 面向阿拉伯语情感分析的语料库标注阿拉伯语的情感语料库、词汇和数据集并不经常与英语等其他自然语言进行比较。用于情感分析的阿拉伯语语料库注释涉及根据元数据用适当的类标记特征以用于训练机器学习分类器。阿拉伯文注释适用于两个层面(句子层面和单词层面)[11,19,30]。阿拉伯语注释语料库需要显示一个有效的注释语料库。注释可以由几个母语者手动执行、众包或自动执行。显然需要建立一个高质量的注释阿拉伯语语料库进行情感分析,这有助于建立更好的分类器,并解决考虑到阿拉伯语情感分析的六个层次的研究问题。一篇综述[31]强调了最近研究中的注释过程。另一篇论文[11]报道了最近关于阿拉伯语情感分析的注释语料库。Al-Thubaity等人[32]开发了一个由5400条沙特方言推特组成的语料库,这些推特被标注为积极的、消极的、中立的、客观的、垃圾邮件的和不确定的,并带有情绪(愤怒、厌恶、恐惧、悲伤、快乐、惊讶、没有情绪和不确定)。基于语料库的方法有助于找到在一个领域可能是积极的,在另一个背景下可能是消极的情感词[12]。阿拉伯语情感分析语料库标注的研究主要集中在语料类型和标注过程两个方面。5. 讨论这项研究工作提出了一个阿拉伯语情感分析(ALSA)的框架。机器学习分类器,如NB,SVM和决策树用于阿拉伯语情感分类[7,18,26]。从社交媒体收集的数据集(例如,Twitter和Facebook)或纯文本应被操纵,以准备进一步的步骤。分类过程阶段是:数据收集,预处理,特征选择,分类和情感分析。正如我们从专注于分析阿拉伯语观点和情感的科学论文中所注意到的那样,阿拉伯语的所有或大部分水平都没有在一项研究工作中得到解决。文献中所报道的只是语言水平不同,每个语言水平都被单独对待,而没有考虑整个语言水平。因此,我们敦促所有对这一研究领域感兴趣的人,通过考虑语言的各个层面,全面而彻底地解决意见分析的问题,这可能会产生重要的结果。对阿拉伯语水平的关注将导致自然语言处理主题的重大和有影响力的发展,特别是自动翻译,文本分析和情感/情绪。从上面的讨论中,我们得出结论,ALSA框架(图1)在阿拉伯语情感分析领域的综合研究中显示出有希望的成功(图2)。 2)。有一些与阿拉伯语句子分析相关的未决问题和挑战,包括:(1) 阿拉伯语在拼写、词汇、语音和词法方面的复杂性增加了句法、语义和比喻的歧义;(2) 如何翻译比喻性语言而不失其效果本质;(3) 从事阿拉伯情绪分析的社区很小;(4) 实时情感分析、垃圾邮件检测、形态错误、拼写不充分、非结构化数据和隐含含义;(5) 比喻表达中的情感;(6) 精确地检测阿拉伯语比喻的讽刺和讽刺;(7) 识别明喻、借代、夸张和委婉语对人类来说是一项具有挑战性的任务,对机器来说更是难上加难;图二. ALSA的任务和级别。12A. Alsayat,N. Elmitwally/埃及信息学杂志21(2020)7(8) 同义词和一词多义:人们使用同一个词来指代不同的含义;(9) 如何理解反问句。6. 结论和今后的工作阿拉伯语的语言层次可以根据其语音学、形态学、句法学、词汇学、语义学和比喻性质进行分类。阿拉伯语情感分析近年来受到了广泛的关注.情感分析涉及完全不同的任务和许多方面,如情感提取,情感计算,主观性分析和情感挖掘。朴素贝叶斯和支持向量机是解决情感分类问题最常用的机器学习算法。我们发现,阿拉伯语情感分析(ALSA)框架的每个级别都可以有助于阿拉伯语情感分析。然而,完整的混合模型可以在方面,句子和文档级别上提供精确的除此之外,理想情况下,使用大多数机器和深度学习算法可以检测到比喻,修辞(隐含意义),这取决于构建增强注释语料库的新时代,该语料库考虑了上述ALSA框架。我们的目标是通过建立一个注释的阿拉伯语比喻语料库作为未来的工作。然后,我们将在方面层面上进行更多研究,以使用机器和深度学习算法提取情感特征。阿拉伯语情感分析研究涉及多个维度,其中包括形象建模技术。阿拉伯语水平的组合是否会产生单独提高每个水平的好处资金这项研究由沙特阿拉伯AlJouf的Jouf大学科学研究主任于2018/2019年全额资助,资助编号为(39/675),APC由Jouf大学(JU)资助。竞争利益作者声明无利益冲突。资助者在研究的设计、数据的收集、分析或解释、手稿的撰写或发表结果的决定中没有任何作用。引用[1] El-Halees AM.使用文档的分布式表示的阿拉伯语意见挖掘。在:2017年巴勒斯坦信息和通信技术国际会议(PICICT),加沙,巴勒斯坦。p. 28比33[2] 阿卜杜勒-纳比·塔蒂尔阿拉伯语社交媒体中的语义情感分析。JKing Saud Univ-Comput Inf Sci 2017;29:229-33.[3] Almuqren L,Cristea AI.阿拉伯语文本情感分析框架。在:第27届ACM超文本和社交媒体会议的会议记录,哈利法克斯,NS,加拿大。p. 四、[4] Reyes A,Rosso P.建立用于比喻语言处理的语料库:反语检测案例。在:第四届语料库国际研讨会的会议记录,研究情绪情感&社会信号,土耳其伊斯坦布尔。p. 五、[5] 放大图片作者:El-Sonbaty Y,Abou El-Nasr M.使用阿拉伯语情感分析的基于规则的解析寻找意见强度。In:Castro F,Gelbukh A,GonzálezM,editors.软计算及其应用进展。Berlin/Heidelberg,Germany:Springer; 2013. p.509- 20[6] Al-RadaidehQA,Al-Qudah GY. 基于粗糙集的特征选择在阿拉伯语情感分析中的应用科根Comput. 2 0 1 7 ;9:436-45.[7] Abdul-Mageed M,Kuebler S,Diab M. SAMAR:阿拉伯社交媒体的主观性和情感分析系统。 Proceedings of the 3rd workshop oncomputational approachesto subjectivity and sentiment analysis,Jeju,Korea,2012.[8] Elarnaoty M,Farghaly A.机器学习在阿拉伯文文本分类中的应用。In:ShaalanK,Hassanien AE,Tolba F,editors.智能自然语言处理:趋势与应用。Cham,Switzerland:SpringerInternational Publishing; 2018. p.295-324。[9] Moussa ME,Mohamed EH,Haggag MH.一个基于通用词典的情感分析框架。IntJ Comput Appl 2018;1-11. doi:https://doi.org/10.1080/1206212X.2018.1483813.[10] Refaee E,Rieser V.一个用于主观性和情感分析的阿拉伯语Twitter语料库。第九届语言资源与评估国际会议论文集,冰岛雷克雅未克。p. 第六章[11] Almuqren L,Alzammam A,Alotaibi S,Cristea A,Alhumoud S.用于阿拉伯语情感分析的语料标注研究综述。In:Meiselwitz G,editor. 社 交 计算和社交媒体。应用程序和分析。Cham,Switzerland:Springer International Publishing; 2017.p. 215比25[12] Hemmatian F,Sohrabi MK.意见探勘与情绪分析之分类技术研究。Artiff IntellRev 2017。doi:https://doi.org/10.1007/s10462-017-9599-6。[13] Khalil A,Al-Khatib W,El-Alfy E-S,Cheded L.阿拉伯语对话中的愤怒检测。在:2018年计算科学与工程国际会议(ICCSE),科威特城,科威特。p. 1比6[14] 李伟杰,李伟杰,李伟杰. 一种增强的方法用于定量预测Facebook帖子中的个性。Int.J. 教育经理。Eng. 2018 ;8:8-19.[15] Ermakov S,Ermakova L.基于语音特征的情感分类。In:Serdyukov P,BraslavskiP,Kuznetsov SO,Kamps J,RügerS,Agichtein E,Segalovich I,Yilmaz E,editors. 信息检索进展。Berlin/Heidelberg,Germany:Springer; 2013. p. 706- 9[16] 放大图片Helali W,Hajaiej Z,Cherif A.阿拉伯语语料库实现:语音识别应用。在:2018年先进系统和电气技术国际会议(IC_ASET),哈马马特,突尼斯。p.50比3[17] Ayed R,Chouigui A,Elayeb B.一种新的阿拉伯语文本形态标注工具。2018年IEEE/ACS第15届计算机系统和应用国际会议(AICCSA),约旦亚喀巴。p. 1比6[18] MouradA,Darwish K. 现代标准阿拉伯语和阿拉伯语微博客的主观性和情感分析 。 Proceedings of the 4thworkshop oncomputational approaches tosubjectivity , sentiment and social mediaanalysis , Atlanta , GA , USA ,2013.[19] 埃拉瑙蒂湾阿拉伯语中意见持有者提取的机器学习方法。 Int J Artif Intell Appl2012;3:45-63.[20] 放大图片Ibrahim HS,Abdou SM,Gheith M.现代标准阿拉伯语和口语的情感分析。 Int J Nat Lang Comput 2015;4:95-109.[21] Zeroual I,Lakhouaja A.阿拉伯语语料库语言学:重大进展,但还有很长的路要走。In:Shaalan K,Hassanien AE,Tolba F,editors. 智能自然语言处理:趋势与应用。Cham,Switzerland:SpringerInternational Publishing; 2018. p.613- 36[22] Alayba AM,Palade V,England M,Iqbal R.卫生服务的阿拉伯语情感分析。在:2017年第一届阿拉伯文字分析和识别国 际 研讨 会 (ASAR)的会议记录,法 国南希。p. 114比8[23] Alayba AM,Palade V,England M,Iqbal R.使用单词表示改进阿拉伯语的情感分析。在:2018年IEEE第二届阿拉伯语和衍生脚本分析和识别国际研讨会(ASAR),伦敦,英国。p. 13比8[24] El-Beltagy SR,Ali A.阿拉伯社交媒体情感分析中的开放问题:案例研究。2013年第9届信息技术创新国际会议(IIT),阿布扎比,阿联酋。p. 215比20[25] Shoukry A,Rafea A.句子层次的阿拉伯语情感分析。在:2012年协作技术和系统国际会议(CTS),丹佛,CO,美国。p. 546比50[26] 杨伟,王伟,王伟.多层次反语方案在意大利Twitter语料库TWITTIRO上的应用与分析。在:第十一届语言资源和评估国际会议(LREC 2018),宫崎,日本。p. 八、[27] Baly R , Badaro G , El-Khoury G , Moukalled R , Aoun R , Hajj H , et al.ACharacterization study of arabic twitter data with a benchmarking for state-of-the-artopinionminingmodels.In : ProceedingsofthethirdArabicNaturalLanguage Processing Workshop,Valencia,Spain. p. 110- 8[28] Belkebir R,Guessoum A.使用AdaBoost的阿拉伯语文本摘要的监督方法。In:Rocha A,Correia AM,Costanzo S,Reis LP,editors.新闻方面的新贡献系统和技术.Cham ,Switzerland :Springer International Publishing; 2015. p.227比36[29] Gamal D,Alfonse M,M.El-Horbaty E-S,M.Salem A-B.用于阿拉伯语情感分析的Twitter基准数据集。Int J Mod. Educ Comput Sci2019;11:33-8.[30] Alashqar AM.基于古兰经语料库的阿拉伯语pas标注比较研究。2012年第8届信息学与系统国际会议(INFOS),埃及开罗。p.五、[31] AlOwisheq A,Al-Humoud S,Al-Twairesh N,AlBuhairi T.阿拉伯语情感分析资源 : 一 项 调 查 。 In : Meiselwitz G , editor. 社 交 计 算 和 社 交 媒 体 。 Cham ,Switzerland:Springer International Publishing; 2016. p. 267比78[32] Al-Thubaity A,Alharbi M,Alqahtani S,Aljandal A.一个沙特方言Twitter语料库,用于情绪和情感分析。在:2018年第21届沙特计算机协会国家计算机会议(NCC),利雅得,沙特阿拉伯。p. 1比6
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 十种常见电感线圈电感量计算公式详解
- 军用车辆:CAN总线的集成与优势
- CAN总线在汽车智能换档系统中的作用与实现
- CAN总线数据超载问题及解决策略
- 汽车车身系统CAN总线设计与应用
- SAP企业需求深度剖析:财务会计与供应链的关键流程与改进策略
- CAN总线在发动机电控系统中的通信设计实践
- Spring与iBATIS整合:快速开发与比较分析
- CAN总线驱动的整车管理系统硬件设计详解
- CAN总线通讯智能节点设计与实现
- DSP实现电动汽车CAN总线通讯技术
- CAN协议网关设计:自动位速率检测与互连
- Xcode免证书调试iPad程序开发指南
- 分布式数据库查询优化算法探讨
- Win7安装VC++6.0完全指南:解决兼容性与Office冲突
- MFC实现学生信息管理系统:登录与数据库操作
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功