دراسة شاملة لاحتجاجات الفلاحين من خلال تحليل المشاعر المتقدم

تعد الاحتجاجات مكونًا حيويًا من الديمقراطية وطريقة للتعبير عن مطالب الناس و/أو استيائهم تجاه الحكومة. في جميع أنحاء العالم، أصبحت الاحتجاجات أكثر تكرارًا لأسباب متنوعة مع ازدياد وعي الناس بحقوقهم. لقد زاد استخدام وسائل التواصل الاجتماعي لتبادل المعلومات والأفكار بشكل كبير إلى جانب التحسين التكنولوجي. لفهم مشاعر العامة حول احتجاج الفلاحين بشكل أفضل، تم جمع بيانات من تويتر في هذه الدراسة. تحدد طرق تحليل المشاعر التقليدية ببساطة القطبية وتقوم بتصنيف التغريدات إلى إيجابية أو سلبية أو محايدة. مع ظهور نماذج مختلفة من تعلم الآلة والتعلم العميق، تطورت مهام تحليل المشاعر بشكل ملحوظ مرة أخرى. كجهد متقدم لتحديد مشاعر التغريدات، تم استخدام مجموعة متنوعة من طرق تعلم الآلة والتعلم العميق، بما في ذلك BERT وDistil BERT والانحدار اللوجستي وLinear SVC وNaive Bayes وTF-IDF. يظهر خوارزمية "Distil Bert" تفوقها المستمر على الآخرين بأعلى القيم للدقة والدقة والوعي ومقياس F1. "Bert" يحافظ على أداء قوي عبر جميع القياسات بينما يأتي في المرتبة الثانية. بالإضافة إلى ذلك، يظهر "Linear SVC" نتائج تنافسية، لا سيما في الدقة والوعي. في المقابل، تظهر "Naive Bayes" نتائج أقل في جميع المجالات، مما يشير إلى مجالات محتملة للتحسين. في هذه الدراسة، تم تنفيذ كل من التصنيف والتنبؤ باستخدام ستة نماذج من تعلم الآلة. ووجد أن Distil BERT حقق أفضل نتيجة تليها BERT. أداء Naive Bayes في هذا النوع من البيانات ضعيف.