استخراج واصفات المستخدمين باعتماد التنقيب في وسائط التواصل الاجتماعي باللغة العربية

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

نشهد في عصرنا الحالي استخداما واسعا لوسائل التواصل الاجتماعي المختلفة والمتاحة مجانا للمستخدمين، إذ يُعبّرون من خلالها عن آرائهم وأفكارهم، ويشاركون بها معارفهم للتعليق والنقاش، وذلك من خلال نشر الوسائل المختلفة كالنصوص والصور وغيرها. أدى ذلك إلى توفر معطيات مفيدة وضخمة يمكن معالجتها وتُليلها لاستخراج المعلومات منها والاستفادة من ذلك في المجالات المختلفة. نتطرق في بحثنا لمعالجة محتوى وسائل التواصل الاجتماعي لاستخراج واصفات المستخدمين مما يكتبونه. اقتصرنا في بحثنا على ثلاث واصفات أساسية: الجنس، العمر، واللهجة، واقترحنا في بحثنا عدة نماذج لحل مسألة التنبؤ بواصفات المستخدمين المطروحة. تصنف هذه النماذج ضمن منهجيتين أساسيتين: الأولى منهجية التعلم الآلي التقليدية، والثانية منهجية التعلم العميق. تعتمد منهجية التعلم الآلي بشكل رئيسي على هندسة السمات، التي تتضمن انتقاءها بعناية واستخراجها باستخدام الأدوات المختلفة وتُليلها وتصفيتها لاعتماد أفضل السمات. هذه السمات تقوم بدورها بتصنيف معطيات التدريب إلى الصفوف المتعلقة بالواصفات المدروسة. في حين تعتمد منهجية التعلم العميق على طرائق تمثيل المعطيات وأسلوب معالجتها كدخل لأنواع الشبكات العصبونية المختلفة التي تقوم بدورها بعملية التصنيف إلى الصفوف المدروسة. تعد المعطيات الحجر الأساس في كلا المنهجيتين المدروستين، وتنعكس جودتها على نماذج التنبؤ المقترحة. لذا، فقد جهزنا مجموعتي معطيات تتعلق بالواصفات الثلاث المدروسة، اعتمدنا في الجزء الأول على مجموعة قمنا بجمعها يدوياً وأضفنا لها واصفة العمر، وفي الجزء الآخر على مجموعات بيانات مُعدة مسبقاً ضمن ورش عمل متعلقة بموضوع البحث. بعد الاختبارات والتجارب العديدة، وجدنا أن منهجية التعلم العميق قد أدت إلى نتائج أفضل وذلك من أجل التنبؤ بالواصفات الثلاث، إذ اعتمدنا في نماذجنا المقترحة على التضمين AraBERT كمدخل لتمثيل المعطيات النصية، ويُعلمنا ذلك مفهوم نقل الخبرات للاستفادة منها في حل المسائل المختلفة ضمن المجالات العديدة.

روابط وملفات

التعريف والنوع

رقم الوثيقة

0f2d7c22-e94c-4ca2-9715-2c2a0052f84e

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

841044_1.pdf

بيانات النشر

ترجمة العنوان

Author Profiling based on Arabic Social Media Mining

ألقاب المؤلفين

[{"name_ar":"خالد الرفاعي","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"غيداء الريداوي","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"ندى غنيم","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

Arabic

المصدر والدورية

اسم المصدر

استخراج واصفات المستخدمين باعتماد التنقيب في وسائط التواصل الاجتماعي باللغة العربية

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

In current era, we notice a wide usage of various social media that are available for free. Users comment and discuss ideas and opinions using these media by publishing different contents, such as photos, text, etc. This huge usage of social media generated big and useful data. These data could be processed and analyzed to be converted to useful information. In this research, we are focusing on the processing of Arabic content of social media for Author Profiling task in the goal of identifying three traits: gender, age and dialect. We suggest multiple models to perform Author Profiling task. These models are mainly based on two methodologies: machine learning and deep learning. Machine learning methodology depends on feature engineering step including features definition, features representation and features selection. It also depends on the classifiers that are trained on data to produce a prediction model. This model could be used for predicting new instances and deciding to which class of trait the new instance belongs. On the other hand, deep learning methodology depends on data representation, where data are processed and represented as input to various kinds of neural networks that classify the data according to trait classes. In both methodologies, data are considered the base, and the better the data, the better the prediction models. During the research, we used two datasets; we collected a part of one of these datasets manually and we tagged it with age information, while other parts have been taken from already prepared datasets during different workshops related to Author Profiling. Our results showed that deep learning methodology led to the best models to predict the three traits. In our model, we used a pre-trained semantic language model called “AraBERT” for text representation and feed-forward neural network for training. Usage of AraBERT dedicates the concept of knowledge transfer that is useful in various natural language and machine learning tasks.

كلمات الباحثين

استخراج واصفات المستخدمين – وسائل التواصل الاجتماعي – معالجة اللغة العربية – التعلم الآلي – هندسة السمات – التعلم العميق – التضمين AraBERT – الشبكات العصبونية – تويتر.

إشراف وإعداد

الإشراف

غيداء الريداوي, ندى غنيم

الإعداد

خالد الرفاعي

الاقتباسات الببليوغرافية