TY - JOUR ID - TI - Tweet Sentiment Polarity Detection Based on Semantic Similarity تحديد قطبية المشاعر في تويتر بناءً على التشابه الدلالي AU - Sanaa Hammad Dhahi سناء حماد ضاحي AU - Jumana Waleed جمانة وليد PY - 2022 VL - 18 IS - 02 SP - 46 EP - 64 JO - Academic Science Journal مجلة العلوم الاكاديمية SN - 83732222 25189255 AB - Nowadays, social networks such as Twitter or Facebook become a robust means of learning about the users’ opinions and share their emotions towards specific subjects in a form of comments, to analysis these emotions sentiment analysis process is applied, which is used to discover the opinions of people on social media sites. It focuses on detection the polarity (positive, negative, or neutral). In recent years, it has been demonstrated that deep learning models are promising solution to the challenges of natural language processing (NLP). This study is devoted to apply semantic similarity approach for sentiment classification in addition to use lexical approach and Bag-of-Words model to perform a comparison among them. For examining the performance, precision, recall, accuracy, and F1 scores measurements with two datasets (STS-Test & SS-Tweet) for testing and sentiment140 for training have been used. The experimental results show the accuracy of the proposed approach about 81.0%.

في الوقت الحاضر، أصبحت الشبكات الاجتماعية مثل Twitter أو Facebook وسيلة قوية للتعرف على آراء المستخدمين ومشاركة عواطفهم تجاه مواضيع محددة في شكل تعليقات، لتحليل هذه المشاعر يتم تطبيق عملية تحليل المشاعر، والتي تستخدم لاكتشاف آراء الناس على مواقع التواصل الاجتماعي وتركز على الكشف عن القطبية (إيجابية، سلبية، أو محايدة) في السنوات الأخيرة، تم إثبات أن نماذج التعلم العميق هي حل واعد لتحديات معالجة اللغة الطبيعية. يدرس هذا البحث القدرة على تطبيق منهج التشابه الدلالي لمهمة تصنيف المشاعر بالإضافة إلى استخدام المنهج المعجمي ونموذج حقيبة الكلمات لإجراء مقارنة بينهما. لفحص الأداء، تم استخدام قياسات الدقة والتذكر والدقة ونتائج F1 مع مجموعتي بيانات (STS-Test و (SS-Tweet للاختبار وsentiment140 للتدريب. أظهرت النتائج التجريبية إن دقة المنهج المقترح هي 81.0%. ER -