Thesis (M.Sc)-Cairo University, 2024.

Bibliography: pages 83-91.

Mobile Applications are becoming more vital to our daily lives because the number of smart phone users rises. It's challenging for users to assess the applications. Users' comments are also necessary for software developers to understand how to optimize the functionality of the application by identifying its weak points and strengths. As a result, sentiment analysis of Application reviews is developed to address these issues. Due to user feedback on the application's various features, feature-based SA is now a successful method.
Reviews frequently express diverse opinions about different application aspects, making it difficult to separate positive and negative comments or obtain feedback on specific aspects. This leads to the importance of aspects extraction and making the sentiment analysis be aspect based. The internal structure of the reviews and the language patterns are important to be considered in SA. This challenge is faced by data mining. Uncovering language patterns in sentiment is strength of data mining that leads to a reasonable choice. As a result of that, it is a vital stage prior sentiment classification that achieves more accurate results.
Most research has been on employing ML or NLP as a subsequent stage for sentiment classification. It has some restrictions despite its advantages. Its failure to recognise the inwardness of the reviews is one of its flaws. Because of this, class association rules are a good option for analyzing the language patterns in reviews and categorizing them in accordance with these patterns.
This work aims to evaluate and analyze the reviewers’ opinions in the reviews of mobile apps in order to classify the sentiment to positive and negative. This helps to assess the application which guides users in making a decision for installing apps. It also enables application developers to improve the functionalities of the applications and solve problems that may be faced by users.
In this work, the class association rules depending on Apriori method are utilized for aspect-based sentiment classification, while Latent Dirichlet Allocation (LDA) is employed for aspects extraction. The proposed approach makes use of LDA to extract aspects and perform aspect-based SA. The approach employed a dataset from the Angry Birds game app reviews, which was scrapped from the Google Play store. This dataset has 3000 reviews after the step of Oversampling. Our approach outperformed classic machine learning Naive Bayes (NB) and Support Vector Machine (SVM) algorithm, improving accuracy by 5.68 percent and 7.58 percent.

أصبحت تطبيقات الهاتف المحمول أكثر أهمية في حياتنا اليومية بسبب الارتفاع الكبير في عدد مستخدمي الهواتف الذكية. يعد تقييم التطبيقات تحديا صعبا على المستخدمين. وتعد تعليقات المستخدمين ضرورية أيضًا لمطوري البرامج من أجل فهم كيفية تحسين وظائف التطبيق من خلال تحديد نقاط الضعف والقوة فيه. ونتيجة لذلك، تم تطوير تحليل المشاعر لمراجعات التطبيقات لمعالجة هذه المشكلات. نظرًا لتنوع تعليقات المستخدمين على ميزات التطبيق المتعددة؛ أصبح تحليل المشاعر القائم على الميزات الآن طريقة ناجحة.
يهدف هذا العمل إلى تقييم وتحليل آراء المراجعين في مراجعاتهم لتطبيقات الهاتف المحمول من خلال تصنيف المشاعر إلى إيجابية وسلبية. ويساعد التصنيف في تقييم التطبيق فهو يرشد المستخدمين في اتخاذ قرار تثبيت التطبيقات. كما أنه يمكّن مطوري التطبيقات من تحسين وظائفها وحل المشكلات التي قد يواجهها المستخدمون.
كثيرًا ما تعبر المراجعات عن آراء متنوعة حول جوانب التطبيق المختلفة، مما يجعل من الصعب الفصل بين التعليقات الإيجابية والسلبية أو الحصول على تعليقات حول جوانب محددة. وهذا يؤدي إلى أهمية استخلاص الجوانب وجعل تحليل المشاعر قائما على الجوانب. من المهم أخذ البنية الداخلية للمراجعات وأنماط اللغة في الاعتبار عند تحليل المشاعر. ويواجه هذا التحدي بتنقيب البيانات. إن الكشف عن أنماط اللغة في المشاعر هو قوة التنقيب في البيانات التي تؤدي إلى اختيار معقول؛ لأنها مرحلة حيوية سابقة لتصنيف المشاعر التي تحقق نتائج أكثر دقة.
كانت معظم الأبحاث تدور حول استخدام تعلم الآلة أو معالجة اللغة الطبيعية كمرحلة لاحقة لتصنيف المشاعر. لهذه الطرق تحديات على الرغم من مزاياها. إن صعوبة التعرف على طبيعة النص وبناؤه في المراجعات هو أحد عيوبها. ولهذا السبب، تعد قواعد الارتباط التصنيفية خيارًا جيدًا لتحليل أنماط اللغة في نص المراجعات وتصنيفها وفقًا لهذه الأنماط. في هذا العمل تم استخدام قواعد الارتباط التصنيفية المعتمدة على طريقة Apriori لتصنيف المشاعر على أساس الجانب، في حين تم استخدام Latent Dirchlet Allocation (LDA) لاستخراج الجوانب. يستخدم النهج المقترح Latent Dirchlet Allocation لاستخراج الجوانب وإجراء تحليل المشاعر على أساس الجوانب. يستخدم هذا النهج مجموعة بيانات من مراجعات تطبيق لعبة Angry Birds، والتي تم جمعها من متجر Google Play.
تحتوي مجموعة البيانات هذه على 932 مراجعة. لقد تفوق أسلوبنا على تقنيات تعلم الآلة الكلاسيكية مثل خوارزمية Support

Issues also as CD.

Text in English and abstract in Arabic & English.