تحليل المشاعر: نماذج التصنيف رباعي الفئات (إيجابي، سلبي، محايد، وساخر) وتحديات الذكاء الاصطناعي"
DOI:
https://doi.org/10.65405/sjh.2.3.90الكلمات المفتاحية:
تحليل المشاعر، كشف السخرية، انعكاس القطبية، المحولات، التعلم متعدد المهام، معالجة اللغة العربية.الملخص
يُعد تحليل المشاعر أحد أهم تطبيقات معالجة اللغات الطبيعية، حيث يعتمد تاريخياً على التصنيف الثلاثي (إيجابي، سلبي، محايد) لتقييم اتجاهات الرأي العام. ومع ذلك، تمثل السخرية تحدياً جوهرياً لهذه الأنظمة بسبب ما تسببه من "انعكاس في القطبية العاطفية"، مما يؤدي إلى تصنيفات مضللة تعتمد على السطح اللفظي للنص وتتجاهل القصد الحقيقي. تقدم هذه الورقة مراجعة منهجية للأدبيات العلمية الحديثة لاستكشاف أساليب التغلب على هذا التحدي، مع تتبع التطور المنهجي من الآليات التقليدية إلى نماذج المحولات (Transformers) واستراتيجيات التعلم متعدد المهام (Multi-Task Learning). أظهرت النتائج تفوق نماذج مثل RoBERTa في اللغة الإنجليزية (بتحقيق درجة F1 تصل إلى 99%)، بينما سجل أداء النماذج العربية مثل AraBERT دقة تقارب 84%. كما أثبت إطار التعلم متعدد المهام فعاليته في رفع كفاءة كشف السخرية عبر مهام مساعدة. وبالتوازي مع ذلك، تسلط الورقة الضوء على الفجوة البحثية في اللغات منخفضة الموارد، لا سيما اللغة العربية بتعقيداتها الصرفية، وتعدد لهجاتها، وظاهرة الكتابة غير المعيارية (الفرانكو-عربية). تختتم الورقة بتوصيات عملية تتمحور حول ضرورة بناء مجموعات بيانات عربية غنية وموسومة يدوياً، وتوظيف نماذج سياقية متقدمة لتحقيق فهم أعمق للنصوص الساخرة .
المراجع
1. Bodige, R., Akarapu, R., & Poladi, P. K. (2024). Transformer-based advances in sarcasm detection: a study of contextual models and methodologies. Knowledge and Information Systems.
2. Helal, N. A., Hassan, A., Badr, N. L., & Afify, Y. M. (2024). A contextual-based approach for sarcasm detection. Scientific Reports, 14, 15415.
3. Al-Hassan, M., & Ali, K. (2024). Evaluating Multilingual Approaches to Sarcasm Detection: Insights from English and Arabic Texts. IEEE Conference Proceedings.
4. El-Masri, S., et al. (2024). Multi-task learning for multi-dialect Arabic sentiment classification and sarcasm detection. Language Resources and Evaluation.
5. Shi, Z., & Agrawal, R. (2025). A comprehensive survey of contemporary Arabic sentiment analysis: Methods, Challenges, and Future Directions. arXiv preprint arXiv:2502.03827. (Accepted to NAACL 2025).
6. Chauhan, D. S., R, D. S., Ekbal, A., & Bhattacharyya, P. (Year). Do Emotions Help in Sarcasm? A Multi-task Learning Framework for Multimodal Sarcasm, Sentiment and Emotion Analysis. Shamra-Academia.
7. Adedigba, S. O., Barawi, M. H., Ibeke, E., & Norahim, N. (2025). A Systematic Literature Review on Enhancing Sarcasm Detection in Online Reviews through Emotional Transition Analysis and Contextual Embedding Techniques. Journal of Cognitive Science, 26(3), 227-269.
8. Medani, K., & Zenbout, I. (2025). الذكاء الاصطناعي في التحليل الآلي للمشاعر واكتشاف العواطف في النصوص العربية. مجلة الآداب والعلوم الاجتماعية, 58.
9. Zhang, Y., & Patel, R. (2024). A Review on Sentiment Analysis in Low-resource Languages Focusing on Fake News and Sarcasm Detection as Major Challenges. SN Computer Science, 6, 693.
10. Boutros, J., & Harfouche, A. (2024). Contribution to Sarcasm Detection in Arabic Using Natural Language Processing Techniques. Applied Sciences, 14(6), 2724.
11. Khalil, I., & Sharma, P. (2024). Analysis of Sentiment and Sarcasm in Arabic YouTube Comments Utilizing AraBERT. IEEE Conference Proceedings.
12. شندي، آية مدحت. (2024). تحليل المشاعر على منصات وسائل التواصل الاجتماعي. مجلة كلية الآداب جامعة بورسعيد.
13. أحمد، سعيد، و محمد، خالد. (2021). المحتوى الساخر على منصات التواصل الاجتماعي. مجلة القرار.
14. Attardo, S. (2000). Irony as relevant inappropriateness. Journal of Pragmatics, 32(6), 793-826
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 مجلة الشهاب للعلوم الإنسانية
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
License
Copyright (c) 2026 Shihab Journal of Humanities
This work is licensed under a Creative Commons Attribution 4.0 International License.
