Arabic Text Sentiment Analysis: Reinforcing Human-Performed Surveys with Wider Topic Analysis

情感分析（SA）一直是一个蓬勃发展的研究领域，但阿拉伯语情感分析（ASA）的任务在研究领域中仍未得到充分重视。本研究提供了对现有ASA文本内容的深入和广泛分析，并确定了它们的共同主题、应用领域、方法、技术和算法。深入研究手动分析了2002年至2020年间在SAGE、IEEE、Springer、WILEY和Google Scholar四个学术数据库上发表的133篇英文ASA论文。广泛研究使用现代自动机器学习技术，如主题建模和时间分析，对2010年至2020年间2297篇ASA出版物进行了加强，以加强先前研究所确定的主题和趋势。主要发现显示ASA使用了不同的方法：机器学习、基于词典的和混合方法。其他发现包括ASA“获胜”的算法（SVM、NB、混合方法）。深度学习方法，如LSTM可以提供更高的准确性，但对于ASA来说，有时语料库不够大。此外，虽然有一些ASA语料库和词典，但需要更多。具体而言，阿拉伯语推文语料库和数据集目前只是中等规模。此外，具有高覆盖率的阿拉伯语词典仅包含现代标准阿拉伯语（MSA）单词，而具有阿拉伯语方言的词典则相当小。因此，需要创建新的语料库。另一方面，ASA工具严重缺乏。需要开发ASA工具，这些工具可以在工业界和学术界中用于阿拉伯文本情感分析。因此，我们的研究提供了有关ASA研究面临的挑战的见解，并提供了推动该领域发展的建议，例如缺乏方言阿拉伯资源、阿拉伯推文、语料库和数据集用于情感分析。

阿拉伯语情感分析的研究相对较少，本文试图深度和广度分析现有的阿拉伯语情感分析研究，识别其共同主题、应用领域、方法、技术和算法等，同时指出该领域的挑战和未来发展方向。

本文通过人工分析和机器学习技术，对133篇英文ASA论文和2297篇开放获取的ASA出版物进行了深入和广泛的研究，发现ASA的不同方法包括机器学习、基于词典的和混合方法等，SVM、NB和混合方法是ASA中表现最好的算法，但是深度学习方法，如LSTM，需要更大的数据集支持。

本文指出ASA领域需要更多的阿拉伯语数据集和词典，特别是阿拉伯语推文数据集和包含方言的词典，同时需要开发ASA工具，以便在工业和学术界中使用。值得关注的是，本文提供了ASA领域的挑战和未来发展方向，为研究人员提供了指导。

最近的相关研究包括：1.阿拉伯语情感分析的挑战和机遇；2.基于深度学习的阿拉伯语情感分析；3.阿拉伯语情感分析的词典方法比较。