TY  - BOOK
AU  - Hager Mo'men Hamed El-Batawy,
AU  - Hesham A. Hefny 
TI  - Mining useful information from social media
U1  - 658.4038 
PY  - 2025///
KW  - Computer science
KW  - علوم الحاسوب
KW  - Sentiment analysis
KW  - Arabic sentiment analysis
KW  - Fuzzy logic
KW  - Fuzzy sentiment analysis
KW  - Linguistic variables
N1  - Thesis (M.Sc)-Cairo University, 2025; Bibliography: pages 77-85; Issues also as CD
N2  - Sentiment Analysis (SA) is a powerful tool for extracting opinions, emotions, and attitudes from text, SA is playing a vital role in fields such as customer feedback analysis, social media monitoring, and brand reputation management. Traditional approaches, such as lexicon-based or machine learning methods, often struggle with the inherent uncertainty and subjectivity present in natural language, particularly in handling nuances like sarcasm, intensity of sentiment, and ambiguous expressions. Fuzzy logic, with its ability to model uncertainty and to handle degrees of truth, offers a promising solution to these challenges. The integration of fuzzy logic into SA enhances its capability to manage vagueness and subjectivity, providing a more nuanced understanding of emotional content in text. This advancement has the potential to improve decision-making processes in areas such as marketing analysis, customer satisfaction, and opinion mining, where precise sentiment understanding is critical.
Using linguistic variables, especially modifier words, in SA helps capture more subtle and complex emotions in text. This improves the accuracy and depth of sentiment understanding, particularly when opinions vary in strength or direction. By incorporating these variables, SA can better reflect how individuals express their feelings, leading to more meaningful insights in fields like market analysis, customer feedback interpretation, and social media monitoring.
This thesis explores the application of fuzzy linguistic values SA to better capture the subtleties of emotional expression in text. By representing sentiment categories (e.g., positive, negative, neutral) as fuzzy sets rather than binary labels, and by applying linguistic variables to customer opinions, sentiment evaluation becomes more flexible and precise. Membership functions are used to map sentiment-bearing words to degrees of positivity or negativity, allowing sentiment scores to reflect varying intensities instead of rigid classifications. Furthermore, the fuzzy scoring system processes these degrees to derive an overall sentiment score, enhancing the system’s ability to handle complex and uncertain linguistic patterns.
The experimental results indicate that the proposed fuzzy-based approach offers a robust framework for sentiment classification, especially in scenarios where traditional binary methods are insufficient. The method achieved a highest accuracy of 88.08% on the Egyptian dataset and 85.30% when incorporating linguistic variables. Moreover, the application of this technique to additional datasets resulted in an improvement of 3.0% in classification accuracy; تحليل المشاعر هو أداة قوية لاستخلاص الآراء والعواطف والمواقف من النصوص، حيث يلعب دورًا حيويًا في مجالات مثل تحليل ملاحظات العملاء، ومراقبة وسائل التواصل الاجتماعي، وإدارة سمعة العلامات التجارية. غالبًا ما تواجه الأساليب التقليدية، مثل الأساليب المعتمدة على المعاجم أو تقنيات التعلم الآلي، صعوبة في التعامل مع الغموض وعدم اليقين المتأصل في اللغة الطبيعية، لا سيما عند التعامل مع الفروق الدقيقة مثل السخرية، وشدة الشعور، والتعابير الغامضة. يوفر المنطق الضبابي، بقدرته على نمذجة عدم اليقين والتعامل مع درجات الحقيقة، حلاً واعدًا لهذه التحديات. إن دمج المنطق الضبابي في تحليل المشاعر يعزز قدرته على التعامل مع الغموض والذاتية، مما يوفر فهمًا أكثر دقة للمحتوى العاطفي في النصوص. وتتمثل فائدة هذا الأسلوب في تحسين عمليات اتخاذ القرار في مجالات مثل تحليل السوق، ورضا العملاء، والتنقيب عن الآراء، حيث يُعد الفهم الدقيق للمشاعر أمرًا بالغ الأهمية.
إن استخدام المتغيرات اللغوية، وخاصة كلمات التعديل، في تحليل المشاعريساعد على التقاط المشاعر الدقيقة والمعقدة في النصوص. وهذا يُحسن من دقة الفهم والتحليل الشعوري، خصوصًا عندما تختلف الآراء في شدتها أو اتجاهها. من خلال تضمين هذه المتغيرات، يصبح تحليل المشاعر أكثر قدرة على عكس الطريقة التي يُعبر بها الأشخاص عن مشاعرهم، مما يؤدي إلى رؤى أكثر عمقًا في مجالات مثل تحليل السوق، وملاحظات العملاء، ومراقبة وسائل التواصل الاجتماعي.
.تتناول هذه التقنية المقترحة تطبيق المنطق الضبابي في تحليل المشاعر بهدف تحسين قدرة النظام على التقاط التفاصيل الدقيقة للتعبير العاطفي في النصوص. من خلال تمثيل فئات المشاعر (مثل الإيجابية، السلبية، والحيادية) كمجموعات ضبابية بدلاً من تسميات ثنائية، وتطبيق المتغيرات اللغوية على آراء العملاء، يمكن تقييم المشاعر في النصوص بمرونة ودقة أكبر. وتُستخدم دوال الانتماء لرسم الكلمات الحاملة للمشاعر وفق درجات من الإيجابية أو السلبية، مما يسمح لدرجة الشعور بعكس تفاوت شدة المشاعر بدلاً من التصنيفات الثابتة. علاوة على ذلك، يقوم نظام التقييم الضبابي بمعالجة هذه الدرجات لاشتقاق درجة شعور إجمالية، مما يُحسن قدرة النظام على التعامل مع الأنماط اللغوية المعقدة وغير المؤكدة.
تشير النتائج التجريبية إلى أن النهج المقترح المعتمد على المنطق الضبابي يوفر إطارًا قويًا لتصنيف المشاعر، لا سيما في الحالات التي تكون فيها الطرق الثنائية التقليدية غير كافية. وقد حقق هذا الأسلوب أعلى دقة بلغت 88.08٪ على مجموعة البيانات المصرية، و85.30٪ عند إدخال المتغيرات اللغوية. علاوة على ذلك، أدى تطبيق هذه التقنية على مجموعات بيانات إضافية إلى تحسين في دقة التصنيف بنسبة 3.0٪
ER  -