Analysis and Classification of Arabic App Reviews. Masters thesis, King Fahd University of Petroleum and Minerals.
![[img]](https://eprints.kfupm.edu.sa/style/images/fileicons/application_pdf.png) |
PDF
Aljeezani_Analysis_&_Classification_of_Arabic_App_Reviews_MS_Thesis_removed.pdf Restricted to Repository staff only until 2 January 2024. Download (3MB) |
Arabic Abstract
تعتبر آراء المستخدمين وانطباعاتهم حول تطبيقات الهاتف المحمول مصدرا مهما للمعلومات لمطوري التطبيقات، حيث توفر هذه المراجعات تفاصيل قيمة حول التطبيقات مثل: الأخطاء والمشاكل، والمميزات الأكثر إعجابا، وطلبات التحسين والتطوير. إن وجود أعداد هائلة من المراجعات لكل تطبيق يجعل من الصعب على المطورين استخراج معلومات مفيدة يدويا من هذه المراجعات، وعليه فإن التصنيف التلقائي وتحليل المشاعر الآلي للمراجعات سيساعد المطورين على استكشاف وتحليل آراء المستخدمين حول تطبيقاتهم بشكل أفضل. لقد تناولت الأبحاث الحالية تقنيات مختلفة وأساليب تعدين متعددة لمراجعات التطبيقات المحررة باللغة الإنجليزية على الأغلب، بينما يكاد يخلو مجال البحث من الأبحاث المتعلقة بمراجعات التطبيقات المكتوبة باللغة العربية، لذا تتناول أطروحتنا تحليل المشاعر وتصنيف مراجعات التطبيقات المكتوبة باللغة العربية. من أجل تحقيق ذلك، قمنا بتطوير مجموعات البيانات الخاصة بنا لمراجعات التطبيقات باللغة العربية وذلك بسبب عدم توفر مجموعات بيانات متاحة للعامة باللغة العربية، وتتكون من مجموعتين: إحداهما تتضمن حوالي 30 ألفا من تقييمات التطبيقات المصنفة لتحليل المشاعر، والأخرى تحتوي على ما يقرب من 3 آلاف مراجعة مصنفة لتصنيف مراجعات التطبيقات العربية. لقد قمنا بتوظيف تقنيات التعلم الآلي والتعلم العميق ومعالجة اللغة الطبيعية (NLP) لتحليل آراء مراجعات التطبيقات العربية، وذلك بالاستفادة من مصنف الوحدة المتكررة ذات البوابات ثنائية الاتجاه (Bi-GRU) حققنا درجة ف1 (F1-score) تبلغ 87.0 في مهمة تحليل المشاعر ، وسجلنا درجة ف1 (F1-score) تبلغ 60.0 فيما يتعلق بتصنيف المراجعات إلى أربع فئات، وبناء على تحليل نتائجنا، تم تقديم استنتاجات مثيرة للاهتمام ومقترحات لتطوير العمل في المستقبل.
English Abstract
User opinions and feedback about mobile applications are significant sources of information for application developers. These reviews provide valuable details from the users about the applications such as bugs, most liked features, and enhancement requests. The massive number of reviews for each application makes it infeasible for developers to manually extract useful information from these app reviews. Automatic classification and sentiment analysis of app reviews will help developers to better explore and analyze users’ opinions about their applications. Existing research has investigated various techniques and approaches for app review analysis but they have mostly considered app reviews written in the English language. Due to the widespread use of Arabic, its complexity, and variations from English, our thesis addresses sentiment analysis and classification of app reviews written in the Arabic language. To accomplish that, we developed our own datasets of Arabic app reviews as there are no publicly available datasets. Our datasets contain two subsets, one including approximately 30k labeled app reviews for sentiment analysis, and the other contains almost 3k reviews that are labeled for classification of Arabic app reviews. Using our datasets, we employed machine learning, deep learning and natural language processing (NLP) techniques to analyze the sentiments of Arabic app reviews. Leveraging a bidirectional gated recurrent unit (Bi-GRU) classifier, we achieved an F1-score of 0.87 on the sentiment analysis task, and recorded an F1-score of 0.60 on a four-class classification problem. Based on the analysis of our results, interesting conclusions and future work are presented.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | Computer |
| Department: | College of Computing and Mathematics > Information and Computer Science |
| Committee Advisor: | Ahmad, Irfan |
| Committee Members: | Niazi, Mahmood and Al-Khatib, Wasfi |
| Depositing User: | OTHMAN AL JEEZANI (g201161890) |
| Date Deposited: | 02 Jan 2023 12:02 |
| Last Modified: | 02 Jan 2023 12:02 |
| URI: | http://eprints.kfupm.edu.sa/id/eprint/142299 |