Enhancing Dialectal Arabic Sentiment Analysis Using Deep Learning

Ali, Abbas

doi:10.1145/3798049

Enhancing Dialectal Arabic Sentiment Analysis Using Deep Learning

2026-04-01

0

PRE

AI

DOI：10.1145/3798049

原文求助

摘要

En 中文

本研究旨在通过开发和评估一个混合深度学习（DL）模型AraBERT_CNN_MHA_BiLSTM来增强阿拉伯语情感分析（ASA），该模型整合了阿拉伯语双向编码器表示Transformer（AraBERT）、卷积神经网络（CNN）、多头注意力（MHA）和双向长短期记忆（BiLSTM），用于伊拉克阿拉伯语方言的情感分析（SA）。通过消融研究，我们系统地评估了每个组件的贡献，通过在两个数据集上测试模型：IQAD31K，包含从Google Play商店抓取的31,324条评论，以及伊拉克阿拉伯语方言（IAD）数据集，包含来自伊拉克Facebook页面的2,000条注释评论。完整模型在IQAD31K上达到95.63%的F1分数，在IAD数据集上达到94.50%，超过了传统机器学习（ML）方法（如支持向量机（SVM）和随机森林（RF）），这些方法难以处理阿拉伯语的复杂性。这些发现强调了整合AraBERT的上下文嵌入、CNN的局部特征提取、MHA的长距离依赖捕获和BiLSTM的序列建模对于实现方言阿拉伯语情感分析最佳性能的重要性，从而为未来方言阿拉伯语自然语言处理（ANLP）研究提供了一个稳健的架构框架。

Keyword:

Arabic sentiment analysis

iraqi arabic dialect

AraBERT

deep learning

ablation study

Enhancing Dialectal Arabic Sentiment Analysis Using Deep Learning

摘要

期刊

机构

引用论文