000			08555namaa22004211i 4500
003			EG-GICUC
005			20251228115731.0
008			251202s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a658.4038
092			_a658.4038 _221
097			_aM.Sc
099			_aCai01.18.07.M.Sc.2025.Ha.M
100	0		_aHager Mo'men Hamed El-Batawy, _epreparation.
245	1	0	_aMining useful information from social media / _cby Hager Mo'men Hamed El-Batawy ; Supervision Prof. Dr. Hesham A. Hefny.
246	1	5	_aالتنقيب عن المعلومات المفيدة من مواقع التواصل الاجتماعى
264		0	_c2025.
300			_a85 Leaves : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (M.Sc)-Cairo University, 2025.
504			_aBibliography: pages 77-85.
520		3	_aSentiment 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.
520		3	_aتحليل 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٪.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aComputer science
650		0	_aعلوم الحاسوب
653		1	_aSentiment analysis _aArabic sentiment analysis _aFuzzy logic _aFuzzy sentiment analysis; _aLinguistic variables
700	0		_aHesham A. Hefny _ethesis advisor.
900			_b01-01-2025 _cHesham A. Hefny _UCairo University _FFaculty of Graduate Studies for Statistical Research (FGSSR) _DDepartment of Information Systems and Technology
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c176424