@Article{, title={Sentiment Analysis for Movie Reviews Based on Four Machine Learning Techniques تحليل الشعور لناقدي الافلام بناء على اربع طرق لتعليم الاله}, author={Hanaa Mohsin Ahmed هناء محسن احمد and Hanan Rabeea Jaber حنان ربيع جابر}, journal={Academic Science Journal مجلة العلوم الاكاديمية}, volume={16}, number={01}, pages={65-83}, year={2020}, abstract={The spread of Internet and social media led to be sentiment analysis an open research area. Social media is used so the people can be state their opinions and attitudes on blogs, Tweets, and forums. Sentiment analysis deals with identifying and extracting people's opinions and attitudes from texts on the internet. The classification of the text which is based upon sentiment is differ from topical text classification because it has recognition based on an opinion on a topic. This research studying the ability to apply TF-IDF feature selection approach for sentiment analysis and examines the performance for classification by 4 machine learning methods (naïve Bayes, KNN, J48, and logistic regression) with regard to recall, precision and F1-measure. This research included a comparison between the selected ML methods. The results show the naïve Bayes over performed on other classification methods with precision about 94.0%.

ادى انتشار الإنترنت و وسائل التواصل الاجتماعي إلى أن يكون تحليل الشعور مجالًا مفتوحًا للبحث. يتم استخدام الوسائط الاجتماعية حتى يتمكن الأشخاص من ذكر آرائهم ومواقفهم على المدونات والتغريدات والاجتماعات. يتعامل تحليل الشعور مع تحديد واستخراج آراء الناس ومواقفهم من النصوص على الإنترنت يختلف تصنيف النص الذي يستند إلى الشعور عن تصنيف النص الموضعي لأنه يحتوي على اعتراف بناءً على رأي بشأن موضوع ما. يدرس هذا البحث القدرة على تطبيق (اسلوب اخيار الميزات (TF-IDF)) لتحليل الشعور ويفحص أداء التصنيف من خلال اربع طرق للتعلم الآلي (النايف بايز، KNN ، J48 والانحدار اللوجستي) فيما يتعلق بالدقة والقياس F1. البحث شمل المقارنة بين طرق التعليم الالي المختارة. أظهرت النتائج أن النايف بايز تتغلب على طرق التصنيف الأخرى بدقة حوالي 94.0 ٪.} }