阿拉伯语文本情感分析：以更广泛的主题分析强化人工调查
计算与语言
2024-03-05 v1
摘要
情感分析（SA）一直且仍然是一个蓬勃发展的研究领域。然而，阿拉伯语情感分析（ASA）任务在研究体系中仍然代表性不足。本研究对现有基于文本内容的 ASA 研究进行了首次深入且广泛的分析，并确定了其共同的主题、应用领域、所使用的方法、途径、技术和算法。深入分析研究手动分析了 2002 年至 2020 年间发表在四个学术数据库（SAGE、IEEE、Springer、WILEY）和 Google Scholar 上的 133 篇英文 ASA 论文。广泛分析研究在开放获取资源上使用了现代自动化机器学习技术（如主题建模和时间序列分析），对 2010 年至 2020 年间的 2297 篇 ASA 出版物进行了分析，以强化先前研究确定的主题和趋势。主要发现展示了用于 ASA 的不同方法：机器学习、基于词典的方法和混合方法。其他发现包括 ASA 的“获胜”算法（SVM、NB、混合方法）。深度学习方法（如 LSTM）可以提供更高的准确性，但对于 ASA，有时语料库不够大，无法支持它们。此外，虽然存在一些 ASA 语料库和词典，但仍需要更多。具体而言，阿拉伯语推文语料库和数据集目前仅为中等规模。而且，具有高覆盖率的阿拉伯语词典仅包含现代标准阿拉伯语（MSA）单词，而包含阿拉伯语方言的词典则非常小。因此，需要创建新的语料库。另一方面，ASA 工具严重缺乏。需要开发可在工业界和学术界用于阿拉伯语文本 SA 的 ASA 工具。因此，我们的研究提供了对 ASA 研究相关挑战的见解，并提供了推动该领域发展的建议，例如缺乏方言阿拉伯语资源、阿拉伯语推文、用于 SA 的语料库和数据集。
引用
@article{arxiv.2403.01921,
title = {Arabic Text Sentiment Analysis: Reinforcing Human-Performed Surveys with Wider Topic Analysis},
author = {Latifah Almurqren and Ryan Hodgson and Alexandra Cristea},
journal= {arXiv preprint arXiv:2403.01921},
year = {2024}
}