Sentiment Analysis of Arabic Tweets: Feature Engineering and A Hybrid Approach
阿拉伯语的情感分析是一项具有挑战性的任务，由于语言的丰富形态。此外，当应用于Twitter数据时，任务变得更加复杂，这些数据被认为是高度非正式和嘈杂的。在本文中，我们开发了一种混合的方法，用于情感分析阿拉伯语的推文为一个特定的阿拉伯语方言，这是沙特方言。几个功能的设计和评估使用功能向后选择方法。然后针对多种分类模型（双向、三向、四向）开发了一种结合基于语料库和基于词典的方法的混合方法。各模型的最佳F1值分别为（69.9，61.63，55.07）。
2018-05-22 cs.CL
Personality Analysis for Social Media Users using Arabic language and its Effect on Sentiment Analysis
University of Tehran（德黑兰大学）
本研究构建了包含3250名用户的阿拉伯语Twitter人格数据集AraPers，利用BERT等机器学习技术结合语言与个人资料特征预测人格特质（准确率74.86%），并证实人格特质对社交媒体情感分析有显著影响。
2024-07-22 cs.CL
LEBANONUPRISING: a thorough study of Lebanese tweets
Lebanese International University（黎巴嫩国际大学）
最近的研究表明，人们对社交网络情感分析产生了极大的兴趣。Twitter是一个微博客服务，可以成为用户对某个话题的看法，或者他们对社会，经济甚至政治问题的看法的重要信息来源。10月17日，黎巴嫩见证了一场革命的开始;“黎巴嫩起义”的标签在推特上迅速传播开来。在10月18日至21日期间收集了由100，000条推文组成的数据集。在本文中，我们使用不同的机器学习算法，对黎巴嫩阿拉伯语口语中与黎巴嫩起义主题标签相关的推文进行了情感分析研究。对数据集进行手动注释，以测量精确度和召回率指标，并在不同算法之间进行比较。此外，本文完成的工作提供了两个贡献。第一个是建立一个黎巴嫩到现代标准阿拉伯语的映射字典，用于推文的预处理，第二个是尝试从情感分析转移到使用表情符号的情感检测，我们试图预测的两种情感是“讽刺”和“有趣”的情感。我们从2019年10月收集的推文中构建了一个训练集，然后使用该集来预测我们在2020年5月至8月期间收集的推文的情绪和情感。我们进行的分析显示了两个数据集之间的情感，情绪和用户的变化。我们获得的结果似乎令人满意，特别是考虑到据我们所知，以前没有涉及黎巴嫩阿拉伯语推文的类似工作。
2020-09-30 cs.CL cs.LG
SemEval-2017 Task 4: Sentiment Analysis in Twitter
IBM Research（IBM研究院）；Columbia University（哥伦比亚大学）；Qatar Computing Research Institute（卡塔尔计算研究所）；Hamad bin Khalifa University（哈马德·本·哈利法大学）
本文介绍了第五年的情感分析在Twitter的任务。SemEval-2017任务4继续SemEval-2016任务4的一系列子任务，其中包括识别推文的整体情绪，对一个主题的情绪，以两点和五点顺序量表进行分类，以及量化多个推文中对一个主题的情绪分布：再次以两点和五点顺序量表进行分类。与2016年相比，我们做了两个变化：（i）我们为所有子任务引入了一种新的语言，阿拉伯语，（ii）我们从发布目标推文的Twitter用户的个人资料中提供信息。这项任务仍然非常受欢迎，今年共有48支队伍参加。
2019-12-02 cs.CL cs.IR cs.LG
A Combined CNN and LSTM Model for Arabic Sentiment Analysis
Coventry University（考文垂大学）
深度神经网络在处理来自广泛应用领域的具有挑战性的大型数据集时表现出良好的数据建模能力。卷积神经网络（CNN）在选择好的特征方面具有优势，而长短期记忆（LSTM）网络已被证明具有良好的学习序列数据的能力。据报道，这两种方法都在图像处理、话音识别、语言翻译和其他自然语言处理（NLP）任务等领域提供了改进的结果。Twitter短文本信息的情感分类是一项具有挑战性的任务，而阿拉伯语情感分类任务的复杂性增加，因为阿拉伯语是一种形态丰富的语言。此外，阿拉伯语准确的预处理工具的可用性是目前的另一个限制，以及该领域的研究有限。在本文中，我们研究了集成CNN和LSTM的好处，并报告了在不同数据集上提高阿拉伯语情感分析准确性的方法。此外，我们试图考虑形态的多样性，特定的阿拉伯语单词使用不同的情感分类水平。
2018-07-22 cs.CL
Spam and Sentiment Detection in Arabic Tweets Using MARBERT Model
Imam Abdulrahman Bin Faisal University（伊玛目阿卜杜勒拉赫曼·本·法伊塞尔大学）；Saudi Telecom Company（沙特电信公司）；Saudi Aramco Cybersecurity Chair（沙特阿美网络安全主席）
本研究利用MARBERT模型对阿拉伯语推文进行情感分析，以提升沙特电信公司客户服务，在24,513条推文数据集上取得了优于现有技术的准确率。
2026-06-25 cs.AI cs.CL
ArSentD-LEV: A Multi-Topic Corpus for Target-based Sentiment Analysis in Arabic Levantine Tweets
MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）；American University of Beirut（贝鲁特美国大学）；Qatar University（卡塔尔大学）
情感分析是一项非常主观和具有挑战性的任务。当应用于阿拉伯语时，其复杂性进一步增加，主要是因为大量的方言是不标准化的，并且在网络中广泛使用，特别是在社交媒体中。虽然已经发布了许多数据集来用阿拉伯语训练情感分类器，但这些数据集中的大多数都包含浅层注释，仅将文本单元的情感标记为单词，句子或文档。在本文中，我们提出了阿拉伯语情绪Twitter数据集的黎凡特方言（ArSenTD-LEV）。根据对黎凡特地区推文的分析结果，我们创建了一个包含4,000条推文的数据集，并附有以下注释：推文的总体情绪、表达情绪的目标、表达情绪的方式以及推文的主题。结果证实了这些注释在提高基线情感分类器性能方面的重要性。他们还证实了在某个领域的培训和在另一个领域的测试之间的差距。
2019-05-25 cs.CL cs.IR cs.LG
Arabic Offensive Language on Twitter: Analysis and Experiments
Qatar Computing Research Institute, HBKU（卡塔尔计算研究所，哈马德·本·哈利法大学）
检测Twitter上的攻击性语言有许多应用，从检测/预测欺凌到测量极化。在本文中，我们专注于构建一个大型的阿拉伯语攻击性推文数据集。我们介绍了一种方法，用于构建不受主题，方言或目标偏见的数据集。我们制作了迄今为止最大的阿拉伯语数据集，其中包含粗俗和仇恨言论的特殊标签。我们彻底分析了数据集，以确定哪些主题，方言和性别与攻击性推文最相关，以及阿拉伯语使用者如何使用攻击性语言。最后，我们进行了许多实验，使用SOTA技术在数据集上产生了强有力的结果（F1 = 83.2）。
2021-03-09 cs.CL
Let-Mi: An Arabic Levantine Twitter Dataset for Misogynistic Language
University of Alberta（阿尔伯塔大学）
网络厌女症已经成为阿拉伯妇女越来越担心的问题，她们每天都在网上遭受基于性别的虐待。厌女症自动检测系统可以协助禁止阿拉伯语中的反女性有毒内容。开发这样的系统受到缺乏阿拉伯厌女症基准数据集的阻碍。在本文中，我们介绍了一个阿拉伯语Levantine Twitter数据集的厌女症语言（LeT-Mi）是第一个基准数据集的阿拉伯语厌女症。我们进一步提供了数据集创建和注释阶段的详细回顾。通过评估者间一致性评价措施强调了拟议数据集注释的一致性。此外，Let-Mi被用作评估数据集，通过由几个最先进的机器学习系统以及多任务学习（MTL）配置进行的二进制/多目标/目标分类任务。所获得的结果表明，所使用的系统实现的性能是一致的，与国家的最先进的结果，阿拉伯语以外的语言，而采用MTL提高了厌女症/目标分类任务的性能。
2021-03-18 cs.CL
AfriSenti: A Twitter Sentiment Analysis Benchmark for African Languages
University of Porto（波尔图大学）；Bahir Dar University（巴赫达尔大学）；University of Cambridge（剑桥大学）；Cardiff University（卡迪夫大学）；Universität Hamburg（汉堡大学）；Uppsala University（乌普萨拉大学）；National Research Council Canada（加拿大国家研究委员会）；Google Research（谷歌研究院）；Hassan II University of Casablanca（卡萨布兰卡哈桑二世大学）；LIAAD - INESC TEC；Bayero University Kano（卡诺巴耶罗大学）；dLab；University of Deusto（德乌斯托大学）；Kaduna State University（卡杜纳州立大学）；Digital Umuganda；Wollo University（沃洛大学）；Jimma University（吉马大学）；Fraunhofer FIT（弗劳恩霍夫应用信息技术研究所）；Accra Institute of Technology（阿克拉技术学院）；Ahmadu Bello University（艾哈迈杜·贝洛大学）；University College London（伦敦大学学院）；HausaNLP
针对非洲语言NLP研究标注数据匮乏的问题，本文推出含14种非洲语言逾11万条标注推文的AfriSenti情感分析基准，介绍了数据构建流程，发布基线实验结果并讨论其价值。
2023-11-04 cs.CL
Capturing Reliable Fine-Grained Sentiment Associations by Crowdsourcing and Best-Worst Scaling
National Research Council Canada（加拿大国家研究委员会）
对词-情感关联的访问对于许多应用是有用的，包括情感分析、立场检测和语言分析。然而，手动分配细粒度的情感关联分数的话有很多挑战方面保持注释一致。我们应用最佳-最差缩放的注释技术来获得三个不同领域中的单词和短语的实值情感关联得分：普通英语，英语Twitter和阿拉伯语Twitter。我们表明，在所有三个领域的排名的话，情绪保持显着一致，即使注释过程中重复与不同的一组注释。我们还首次确定了一种语言的母语者可以感知的情感关联的最小差异。
2017-12-05 cs.CL
ISIS at its apogee: the Arabic discourse on Twitter and what we can learn from that about ISIS support and Foreign Fighters
Università degli Studi di Milano（米兰大学）
我们分析了2014年7月至2015年1月期间Twitter上以阿拉伯语发布的2620万条评论，当时ISIS的实力达到顶峰，该组织正在显著扩大其控制的领土面积。通过这样做，我们能够衡量在线阿拉伯社区中对伊斯兰国的支持和厌恶的比例。然后我们研究两个具体的主题。首先，通过利用推文的时间粒度，我们将意见与日常事件联系起来，以了解ISIS支持率变化趋势的主要决定因素。其次，通过利用推文的地理位置，我们探索了各国在线意见与加入ISIS的外国战斗人员数量之间的关系。
2018-04-24 cs.CL cs.SI
ArabGend: Gender Analysis and Inference on Arabic Twitter
Qatar Computing Research Institute, HBKU（卡塔尔计算研究所（哈马德·本·哈利法大学））
对Twitter的性别分析可以揭示男性和女性用户之间重要的社会文化差异。在过去，对于大多数广泛使用的语言的内容，已经做出了大量的努力来分析和自动推断性别，然而，据我们所知，对于阿拉伯语所做的工作非常有限。在本文中，我们进行了广泛的分析，男性和女性用户之间的阿拉伯语Twitter领域的差异。我们研究了用户参与度，感兴趣的主题以及职业性别差距的差异。除了性别分析之外，我们还提出了一种通过利用用户名、个人资料图片、推文和朋友网络来推断性别的方法。为了做到这一点，我们手动注释了与~ 92 K用户位置相关的~ 166 K Twitter帐户的性别和位置，我们计划在http://anonymous.com上公开这些帐户。我们提出的性别推断方法实现了82.1%的F1分数，这是47.3%，高于大多数基线。此外，我们还开发了一个演示，并将其公开。
2022-03-01 cs.CL cs.CY cs.SI
ArCOV-19: The First Arabic COVID-19 Twitter Dataset with Propagation Networks
Qatar University（卡塔尔大学）
在本文中，我们介绍了ArCOV-19，这是一个阿拉伯语的COVID-19 Twitter数据集，涵盖了2020年1月27日至2021年1月31日的一年时间。ArCOV-19是第一个公开的阿拉伯语Twitter数据集，涵盖了COVID-19大流行，包括约270万条推文以及其中最受欢迎的子集的传播网络（即，最多转发和喜欢）。传播网络包括转发和会话线程（即，的回复）。ArCOV-19旨在支持多个领域的研究，包括自然语言处理、信息检索和社会计算。初步分析显示，ArCOV-19捕捉到了与阿拉伯世界首次报告的该疾病病例相关的讨论。除了源推文和传播网络之外，我们还发布了用于收集推文的搜索查询和独立于语言的爬虫，以鼓励对类似数据集的管理。
2021-03-13 cs.CL cs.IR cs.SI
Large Arabic Twitter Dataset on COVID-19
Center of Innovation and Development in Artificial Intelligence（人工智能创新与发展中心）；Umm Al-Qura University（乌姆·库拉大学）
2019冠状病毒病（COVID-19）于2019年12月下旬在中国出现，目前正在全球迅速蔓延。在撰写本文时，全球确诊病例数已超过250万，死亡人数超过18万。许多国家都实施了严格的社交距离政策，以遏制病毒的传播。这改变了数千万人的日常生活，并促使人们将他们的讨论转移到网上，例如，通过Twitter等社交网站在这项工作中，我们描述了自2020年1月1日以来收集的第一个关于COVID-19的阿拉伯语推文数据集。该数据集将有助于研究人员和决策者研究与这一流行病有关的各种社会问题。还可以分析与行为改变、信息共享、错误信息和谣言传播相关的许多其他任务。
2020-04-22 cs.CL cs.SI
Hateful People or Hateful Bots? Detection and Characterization of Bots Spreading Religious Hatred in Arabic Social Media
Taibah University（泰巴大学）；University of Colorado Boulder（科罗拉多大学博尔德分校）；Taif University（塔伊夫大学）
阿拉伯语的Twitter空间充斥着机器人，这些机器人助长了政治争斗，传播了错误信息，并扩散了宗派言论。虽然长期以来一直在努力分析和检测英语机器人，但阿拉伯语机器人检测和特征化在很大程度上仍然没有得到充分研究。在这项工作中，我们对机器人在阿拉伯语Twitter上传播宗教仇恨的作用提出了新的见解，并引入了一种新的回归模型，可以准确地识别阿拉伯语机器人。我们的评估表明，现有的工具在检测英语机器人方面非常准确，但在阿拉伯语机器人上的表现并不好。我们确定了这种表现不佳的可能原因，对语言，内容，行为和网络特征进行了彻底的分析，并报告了区分阿拉伯语机器人与人类以及阿拉伯语和英语机器人之间差异的最具信息性的特征。我们的研究结果标志着朝着了解阿拉伯语Twitter上恶意机器人的行为迈出了重要一步，并为更有效的阿拉伯语机器人检测工具铺平了道路。
2019-08-29 cs.CL cs.SI
Arap-Tweet: A Large Multi-Dialect Twitter Corpus for Gender, Age and Language Variety Identification
College of Humanities and Social Sciences, Hamad Bin Khalifa University（哈马德·本·哈利法大学人文与社会科学学院）；Carnegie Mellon University Qatar（卡内基梅隆大学卡塔尔分校）
在本文中，我们提出了Arap-Tweet，这是一个大规模和多方言语料库的推文来自11个地区和16个国家在阿拉伯世界代表主要阿拉伯方言品种。为了构建这个语料库，我们从Twitter收集了数据，并为一个经验丰富的注释者团队提供了注释指南，他们用来注释语料库的年龄类别，性别和方言种类。在数据汇集过程中，我们根据不同阿拉伯方言的独特关键字进行搜索，并使用Twitter API验证位置。在本文中，我们报告了语料库数据汇集和注释工作。我们还提出了一些我们在这些阶段遇到的问题。然后，我们提出的结果进行评估，以确保注释的一致性。所提供的语料库将丰富阿拉伯语有限的可用语言资源，并将成为开发阿拉伯语作者分析工具和自然语言处理工具的宝贵推动力。
2018-08-23 cs.CL
ArCOV19-Rumors: Arabic COVID-19 Twitter Dataset for Misinformation Detection
Qatar University（卡塔尔大学）
在本文中，我们介绍了ArCOV 19-Rumors，这是一个用于错误信息检测的阿拉伯语COVID-19 Twitter数据集，由2020年1月27日至4月底包含声明的推文组成。我们收集了138个经过验证的声明，大部分来自流行的事实核查网站，并确定了9.4K与这些声明相关的推文。推特被人工标注了真实性，以支持错误信息检测的研究，这是大流行期间面临的主要问题之一。ArCOV 19-谣言支持两个级别的错误信息检测：验证自由文本声明（称为声明级别验证）和验证推文中表达的声明（称为推文级别验证）。我们的数据集除健康外，还涵盖与受COVID-19影响的其他主题类别相关的索赔，即社会，政治，体育，娱乐和宗教。此外，我们提出了对数据集的推文级验证的基准测试结果。我们试验了SOTA模型的通用方法，利用内容，用户简档功能，时间特征和传播结构的会话线程的鸣叫验证。
2021-03-13 cs.CL cs.IR cs.SI
L3CubeMahaSent: A Marathi Tweet-based Sentiment Analysis Dataset
Pune Institute of Computer Technology（浦那计算机技术学院）；L3Cube；Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
情感分析是自然语言处理中最基本的任务之一。流行语言如英语、阿拉伯语、俄语、普通话，以及印度语如印地语、孟加拉语、泰米尔语在这方面已经做了大量的工作。然而，由于缺乏适当的数据集，印度第三大最受欢迎的语言马拉地语仍然落后。在本文中，我们提出了第一个主要的公开可用的马拉地语情感分析数据集-L3立方体MahaSent。它是使用从各种马哈拉施特拉邦人物的Twitter帐户中提取的推文策划的。我们的数据集由大约16，000条不同的推文组成，分为三大类，即积极，消极和中性。我们还提出了我们注释推文的指导方针。最后，我们使用CNN、LSTM、ULMFiT和基于BERT的深度学习模型来展示数据集的统计数据和基线分类结果。
2021-04-22 cs.CL cs.LG
WOLI at SemEval-2020 Task 12: Arabic Offensive Language Identification on Different Twitter Datasets
WideBot（宽博科技（WideBot））
通过社交平台进行沟通已成为个人沟通和互动的主要手段之一。不幸的是，健康的沟通经常受到攻击性语言的干扰，这可能对用户产生破坏性影响。在社交媒体上打击攻击性语言的关键是存在自动攻击性语言检测系统。本文介绍了SemEval-2020的结果和主要发现，任务12 OffensEval子任务A Zampieri et al.（2020），关于识别和分类社交媒体中的攻击性语言。该任务基于阿拉伯语OffensEval数据集Mubarak et al.（2020）。在本文中，我们描述了WideBot AI Lab提交的共享任务系统，该系统在CodaLab用户名为“yasserotiefy”的黄金数据集上，在52名参与者中排名第10位，Macro-F1为86.9%。我们实验了各种模型，最好的模型是线性SVM，其中我们使用字符和单词n-gram的组合。我们还引入了一种神经网络方法，增强了我们系统的预测能力，包括CNN、高速公路网络、Bi-LSTM和注意力层。
2020-09-11 cs.CL cs.SI
Linguistic Uncertainty and Engagement in Arabic-Language X (formerly Twitter) Discourse
本研究探讨了阿拉伯语言社交媒体中语言不确定性对用户参与度的影响，发现不确定性推文在参与度上显著更高，尤其在回复方面。
2026-02-14 cs.CL cs.CY
HausaNLP at SemEval-2023 Task 12: Leveraging African Low Resource TweetData for Sentiment Analysis
Kaduna State University（卡杜纳州立大学）；University of Bucharest（布加勒斯特大学）；University of Abuja（阿布贾大学）；Nile University（尼罗河大学）；Universiti Teknologi PETRONAS（马来西亚石油科技大学）；Bayero University Kano（卡诺贝罗大学）；Shehu Shagari College of Education（谢胡·沙加里教育学院）；Ahmadu Bello University, Zaria（扎里亚艾哈迈德·贝罗大学）；HausaNLP（豪萨语自然语言处理研究组）
该研究面向 14 种低资源非洲语言，评估多种预训练语言模型在 SemEval-2023 情感分析三个子任务上的表现，发现 Afro-xlmr-large 整体最优，且数据量更大的 Hausa、Igbo 和 Yoruba 性能更好。
2023-04-26 cs.CL
Emojis as Anchors to Detect Arabic Offensive Language and Hate Speech
Qatar Computing Research Institute, Hamad Bin Khalifa University（哈马德·本·哈利法大学卡塔尔计算研究所）
我们引入了一种通用的、独立于语言的方法来收集大量的攻击性和仇恨性推文，无论它们的主题或类型如何。我们利用嵌入在表情符号中的语言外信息来收集大量攻击性推文。我们将所提出的方法应用于阿拉伯语推文，并将其与英语推文进行比较-分析关键的文化差异。我们观察到这些表情符号在Twitter上的不同时间段内不断使用，以表示攻击性。我们手动注释并公开发布最大的阿拉伯语数据集，用于攻击性，细粒度的仇恨言论，粗俗和暴力内容。此外，我们使用不同的Transformer架构对数据集进行基准测试，以检测攻击性和仇恨言论，并进行深入的语言分析。我们在外部数据集上评估我们的模型-使用完全不同的方法收集的Twitter数据集，以及包含Twitter，YouTube和Facebook评论的多平台数据集，以评估泛化能力。这些数据集上的竞争结果表明，使用我们的方法收集的数据捕捉到了攻击性语言的普遍特征。我们的研究结果还强调了攻击性通信中使用的常用词，仇恨言论的常见目标，暴力推文中的特定模式;并指出了可归因于NLP模型局限性的常见分类错误。我们观察到，即使是最先进的Transformer模型也可能无法考虑文化、背景和上下文，或者无法理解现实世界数据中存在的细微差别，例如讽刺。
2022-05-19 cs.CL
Detecting Stance of Authorities towards Rumors in Arabic Tweets: A Preliminary Study
Qatar University（卡塔尔大学）
无数的研究通过利用来自传播网络的证据或来自网络的外部证据来解决Twitter中的谣言验证问题。然而，这些研究都没有利用可信权威的证据。在本文中，我们定义了检测当局对推文中谣言的立场的任务，即，无论权威人士的推文是同意、不同意，还是与谣言无关。我们相信这项任务对于增加现有谣言验证系统所使用的证据来源是有用的。我们构建并发布了第一个权威对谣言的立场（AuSTR）数据集，其中证据是从阿拉伯语Twitter的权威时间线中检索的。由于我们的数据集的大小相对有限，我们研究了现有数据集的有用性，在我们的任务中的立场检测。我们表明，现有的数据集是有点有用的任务，但是，他们显然是不够的，这促使需要增加他们的注释数据构成的立场，从Twitter的当局。
2023-01-14 cs.AI cs.CL cs.IR
Offensive Hebrew Corpus and Detection using BERT
Birzeit University（比尔宰特大学）；amleh Center（7amleh中心）
本文针对希伯来语攻击性语言检测资源匮乏的问题，构建了包含15,881条推文的标注语料库，并通过微调HeBERT和AlephBERT模型验证了数据集对提升模型性能和泛化能力的有效性。
2023-09-06 cs.AI cs.CL cs.LG
AraCOVID19-MFH: Arabic COVID-19 Multi-label Fake News and Hate Speech Detection Dataset
Research Centre on Scientific and Technical Information (CERIST)（科学技术信息研究中心）
随着COVID-19大流行，虚假及误导性信息的“信息流行病”出现，并使COVID-19应对工作复杂化。Facebook和Twitter等社交网站在很大程度上助长了谣言、阴谋论、仇恨、仇外心理、种族主义和偏见的传播。为了打击假新闻的传播，世界各地的研究人员已经并仍在做出相当大的努力来构建和共享与COVID-19相关的研究文章、模型和数据集。本文发布了“AraCOVID 19-MFH”，这是一个手动注释的多标签阿拉伯语COVID-19假新闻和仇恨言论检测数据集。我们的数据集包含10，828条阿拉伯语推文，标注了10个不同的标签。标签的设计考虑了与事实检查任务相关的一些方面，例如推文的检查价值，积极/消极和真实性。为了确认我们的注释数据集的实际效用，我们用它来训练和评估几个分类模型，并报告所获得的结果。虽然该数据集主要是为假新闻检测而设计的，但它也可以用于仇恨言论检测、观点/新闻分类、方言识别和许多其他任务。
2021-05-07 cs.AI cs.CL
AraCOVID19-SSD: Arabic COVID-19 Sentiment and Sarcasm Detection Dataset
Research Centre on Scientific and Technical Information (CERIST)（科学技术信息研究中心（CERIST））
冠状病毒病（COVID-19）是一种传染性呼吸道疾病，于2019年12月下旬在中国武汉首次发现，随后在全球范围内传播，造成大量恐慌和死亡。Facebook和Twitter等社交网站的用户一直专注于阅读、发布和分享有关新出现的大流行病的新奇事物、推文和文章。许多这些用户经常使用讽刺来以幽默，有趣和间接的方式传达他们的意图，使得基于计算机的应用程序很难自动理解和识别他们的目标以及他们可以改变的伤害程度。出于对在COVID-19背景下解决此类问题的注释数据集的新兴需求，本文构建并发布了AraCOVID 19-SSD，这是一个手动注释的阿拉伯语COVID-19讽刺和情感检测数据集，包含5，162条推文。为了确认所构建的数据集的实际效用，已经使用几种分类模型对其进行了仔细的分析和测试。
2021-10-05 cs.AI cs.CL
ArPanEmo: An Open-Source Dataset for Fine-Grained Emotion Recognition in Arabic Online Content during COVID-19 Pandemic
Taif University（泰夫大学）；College of Computers and Information Technology（计算机与信息技术学院）
本文提出ArPanEmo数据集，包含11,128条阿拉伯语COVID-19相关在线帖子，经半自动筛选与人工细粒度情感标注，成为该领域首个且规模最大的公开数据集。
2023-05-27 cs.CL
Mavericks at NADI 2023 Shared Task: Unravelling Regional Nuances through Dialect Identification using Transformer-based Approach
Pune Institute of Computer Technology（浦那计算机技术学院）
本文针对 NADI 2023 共享任务中的阿拉伯语国家层面方言识别问题，采用多种阿拉伯语预训练 Transformer 模型进行微调并集成，在包含 18 种方言的 TWT-2023 数据集上取得 76.65 的 F1 分数。
2023-11-30 cs.CL
