Aspect-Based Sentiment Analysis of Apps Reviews Using Supervised Machine Learning. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Nouf_Alturayeif_MS_Thesis.pdf - Accepted Version Restricted to Repository staff only until 15 December 2022. Download (50MB)

Arabic Abstract

تكتسب تطبيقات الهاتف المحمول حاليًا حصة كبيرة في السوق، مما يجعل هذا المجال منافسًا للغاية. تمثل مراجعات التطبيقات "صوت المستخدم"، والذي يمكن استغلاله للتوافق مع احتياجات المستخدمين واهتماماتهم، وبالتالي التفوق في سوق التطبيقات. تحليل المشاعر باتجاه جانب محدد (Aspect-Based Sentiment Analysis) هو نهج معالجة اللغة الطبيعية (Natural Language Processing) الذي يهدف إلى استخراج جوانب التطبيق التي يتم مراجعتها وتعيين شعور لكل جانب. إن الحصول على مثل هذه المعلومات قد يساعد مطوري التطبيقات على تحديد نقاط القوة والضعف في تطبيقاتهم من منظور المستخدمين النهائيين. في هذا البحث، قمنا بتصميم وإنشاء والتحقق من AWARE؛ وهي مجموعة بيانات ABSA مكونة من ١١٣٢٣ مراجعة للتطبيقات. تم توصيف AWARE باسم الجانب، وفئة الجانب، والمشاعر. تم جمع المراجعات من ثلاث نطاقات مختلفة: الإنتاجية، والشبكات الاجتماعية، والألعاب. تم استخراج فئات الجانب لكل نطاق باستخدام تحليل المحتوى، وتم التحقق من صحتها مع خبراء في المجال من حيث الأهمية والشمولية والتداخل ومستوى التفاصيل. تم توصيف الفئات والمشاعر عن طريق الحشود وتم تطبيق إجراءات لمراقبة جودتها. بالإضافة إلى ذلك، تم توصيف اسماء الجانب باستخدام نهج NLP شبه آلي والتحقق من صحته من قبل الحشود، مما نتج عنه ٩٨٪ من أسماء الجانب الصحيحة. بالإضافة إلى ذلك، استخدمنا AWAREلتجربة نهج البرمجة اللغوية العصبية بالإشراف لتصنيف المراجعات إلى فئات والمشاعر المقابلة لها. من أجل تعزيز أداء نماذج البرمجة اللغوية العصبية، قمنا باستخراج مجموعة من الميزات التي حسنت من الأداء بنسبة ١٩٪ - ٢٨٪ لجميع النماذج.

English Abstract

Mobile applications are currently gaining a lot of market share, making the field highly competitive. Apps reviews represent “the voice of the user(s)”, which can be utilized to conform to the end-users needs and concerns, and consequently, excel in the mobile applications market. Aspect-based Sentiment Analysis (ABSA) is a Natural Language Processing (NLP) approach that aims to extract the aspects of the app being reviewed and assign a sentiment to each aspect. Having such information would help software practitioners to identify the strengths and weaknesses of their apps from the perspective of the end-users. In this thesis, we designed, created, and annotated ABSA Warehouse of Apps REviews (AWARE); an ABSA dataset of 11323 apps reviews. AWARE is annotated with aspect terms, aspect categories, and sentiment polarities. Reviews were collected xxiii from three distinct domains: productivity, social networking, and games. We derived the aspect categories for each domain using content analysis and validated them with domain experts in terms of importance, comprehensiveness, overlapping, and granularity level. We crowd-sourced the annotations of aspect categories and sentiment polarities and performed quality control procedures. The aspect terms were annotated using a partially automated NLP approach and validated by annotators, which resulted in 98% correct aspect terms. Additionally, we utilized AWARE to investigate a supervised NLP approach of classifying reviews into categories and their corresponding sentiment. In order to boost the NLP models performance, we extracted a set of relevant features consisting of text representations and task-specific features, where the latter includes domai-specific and aspect-dependent features. With the extracted feature, we were able to enhance the performance by 19%-28% for all classifiers.

Item Type:	Thesis (Masters)
Subjects:	Computer
Department:	College of Computing and Mathematics > Information and Computer Science
Committee Advisor:	Aljamaan, Hamoud
Committee Members:	Hassine, Jameleddine and Baslyman, Malak
Depositing User:	NOUF ALTURAIEF (g201901790)
Date Deposited:	21 Dec 2021 05:07
Last Modified:	21 Dec 2021 05:07
URI:	http://eprints.kfupm.edu.sa/id/eprint/141985