AN ENSEMBLE CLUSTERING-BASED APPROACH fOR EMOTION DETECTION IN YOUTUBE COMMENTS: A CASE STUDY ON THE GAZA WAR

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Emotion detection from text has become a critical research direction in natural language processing, particularly with the rise of emotionally charged and multilingual content on platforms like YouTube. This study focuses on unsupervised emotion detection from short YouTube comments related to the Gaza war, using data in both English and Arabic. It explores the role of emojis and different levels of textual "representation at the word and sentence levels" in enhancing emotional interpretation. By employing ensemble clustering techniques, including co-association matrices and the Multi-Metric Genetic Algorithm (MM-GA), the research aims to uncover latent emotional structures without relying on pre-labeled data.The results demonstrate that sentence-level representations, especially when combined with emojis, significantly outperform word-level representations in terms of clustering quality, achieving higher scores on evaluation metrics such as Silhouette, Calinski-Harabasz, and Davies-Bouldin indices. Emojis emerge as strong emotional indicators, In particular, the Silhouette Score reached 0.3367 for Arabic comments, while for English comments, the score reached 0.3130, indicating strong cluster separation and cohesion. Emojis emerge as strong emotional indicators, particularly in Arabic comments, which often exhibit linguistic ambiguity. Comparative analysis shows that MM-GA and co-association-based clustering methods provide more stable and coherent performance than majority voting or traditional Mirkin-based approaches. Overall, the findings confirm the effectiveness of ensemble clustering in detecting emotional patterns from unstructured and diverse YouTube data. The proposed framework offers a scalable and language-aware solution for unsupervised emotion detection, particularly suited to multilingual and politically sensitive con-texts

روابط وملفات

التعريف والنوع

رقم الوثيقة

fb66242e-f39a-4cc6-84e1-2b726eefdbc0

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

1094878_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Chahed Roudauna Halimi","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":" Messaoud Mezati","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Wafa Saadi","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Zahrat El Houda Briki ","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

English

المصدر والدورية

اسم المصدر

AN ENSEMBLE CLUSTERING-BASED APPROACH fOR EMOTION DETECTION IN YOUTUBE COMMENTS: A CASE STUDY ON THE GAZA WAR

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

La détection des émotions à partir de texte constitue un axe de recherche essentiel en traitement automatique des langues, notamment avec la prolifération de contenus émotionnels et multilingues sur des plateformes telles que YouTube. Cette étude porte sur la détection non supervisée d publiés sur YouTube en lien avec la guerre des émotions dans des commentaires courtse Gaza, en utilisant des données en anglais et en arabe. Elle examine le rôle des émojis ainsi que les différents niveaux de représentation textuelle — au niveau des mots et des phrases — dans l'amélioration de l'interprétation émotionnelle. En s'appuyant sur des techniques de clustering ensembliste, incluant les matrices de co-association et l'algorithme génétique multi-métrique (MM-GA), la recherche vise à révéler les structures émotionnelles latentes sans recourir à des données annotées. Les résultats montrent que les représentations au niveau des phrases, en particulier lorsqu'elles sont combinées avec des émojis, surpassent nettement celles au niveau des mots en termes de qualité de regroupement. L’évaluation a été réalisée à l’aide de plusieurs métriques telles que Silhouette, Calinski-Harabasz et Davies-Bouldin, cependant, le coefficient de Silhouette a été principalement retenu pour guider l’analyse. Les meilleures performances ont été obtenues avec un score de Silhouette de 0,3367 pour les commentaires en arabe et de 0,3130 pour les commentaires en anglais, ce qui indique une bonne séparation et cohésion des clusters émotionnels. Les émojis apparaissent comme des indicateurs émotionnels puissants, notamment dans les commentaires en arabe, souvent marqués par une certaine ambiguïté linguistique. Les analyses comparatives révèlent que les approches basées sur le MM-GA et les matrices de co-association offrent des performances plus stables et cohérentes que les méthodes de vote majoritaire ou les approches classiques basées sur Mirkin. En somme, les résultats confirment l’efficacité du clustering ensembliste dans la détection des émotions à partir de données YouTube non structurées et hétérogènes. Le cadre proposé constitue une solution extensible et sensible aux spécificités linguistiques pour la détection non supervisée des émotions, particulièrement adaptée aux contextes multilingues et politiquement sensibles

كلمات الباحثين

Emotion Detection, Ensemble Clustering, Natural Language Processing (NLP),YouTube Comments, Unsupervised Learning, Arabic Dialects, Sentence Representation, Emojis,MM-GA.

إشراف وإعداد

الإشراف

Messaoud Mezati, Wafa Saadi

الإعداد

Chahed Roudauna Halimi, Zahrat El Houda Briki

الاقتباسات الببليوغرافية