کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6902086 1446498 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
SOUKHRIA: Towards an Irony Detection System for Arabic in Social Media
ترجمه فارسی عنوان
سوخریا: به سوی یک سیستم تشخیص آرونی برای عربی در رسانه های اجتماعی
کلمات کلیدی
توییت های عربی، تجزیه و تحلیل نظر، تشخیص عصبانیت، یادگیری تحت نظارت،
ترجمه چکیده
این مقاله روش یادگیری نظارت شده برای تشخیص عصبانیت در توییت های عربی را ارائه می دهد. یک دسته بندی باینری از چهار گروه از ویژگی های استفاده می کند که کارایی آن به طور تجربی در زبان های دیگر مانند فرانسه، انگلیسی، ایتالیایی، هلندی و ژاپنی ثابت شده است. نتایج اول ما تشویق می شود و نشان می دهد که ویژگی های هنری پیشرفته را می توان به زبان عربی با دقت 72.76٪ اعمال کرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
This paper presents a supervised learning method for irony detection in Arabic tweets. A binary classifier uses four groups of features whose efficiency has been empirically proved in other languages such as French, English, Italian, Dutch and Japanese. Our first results are encouraging and show that state of the art features can be successfully applied to Arabic language with an accuracy of 72.76%.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 117, 2017, Pages 161-168
نویسندگان
, , ,