Arabic Sentiment Analysis of YouTube Comments: NLP-Based Machine Learning Approaches for Content Evaluation

تعد منصة يوتيوب من أشهر منصات مشاركة مقاطع الفيديو في العالم إذ تقدم نطاقًا واسعًا ومتنوعًا من المحتوى، غير أن تقييم جودة أي مقطع دون مشاهدته يمثل تحديًا كبيرًا، ولا سيما بعد إزالة ميزة إظهار عدد عدم الإعجاب التي كانت تمنح المشاهدين مؤشرًا سريعًا على تقييم الجمهور للمحتوى، ومع أن التعليقات المصاحبة للمقاطع تنطوي على إمكانات كبيرة لتقديم رؤى حول جودة محتوى الفيديو، فإن تصفح قسم التعليقات والتنقل بين مئات الآراء يستهلك وقتًا طويلًا وقد يكون عملًا مربكًا لمنشئي المحتوى والمشاهدين على حد سواء، ومن هنا تبرز الحاجة إلى أدوات آلية تحلل مشاعر التعليقات وتلخص اتجاهاتها العامة بسرعة ودقة

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى بناء نموذج قائم على معالجة اللغة الطبيعية لتصنيف التعليقات العربية على مقاطع يوتيوب إلى تعليقات إيجابية أو سلبية، وقد درب النموذج على مجموعة بيانات جديدة أعدها الباحثون تضم 4212 تعليقًا موسومًا بعناية، وبلغت درجة اتفاق الترميز وفق معامل كابا 0.818 بما يعكس جودة الوسم واتساقه، واعتمد النموذج على ستة مصنفات من مصنفات التعلم الآلي هي آلة المتجهات الداعمة ومصنف بايز الساذج والانحدار اللوجستي ومصنف الجار الأقرب وشجرة القرار والغابة العشوائية، وجرى تقييم أدائها بمقاييس متعددة شملت الدقة ومعامل ارتباط ماثيوز والدقة الاستدعائية بمفهومي الصحة والاستدعاء ومقياس إف واحد، كما فحصت الدراسة أثر استخدام تمثيل تردد المصطلح ومعكوس تردد الوثيقة في أداء المصنفات لبيان حساسية النتائج لطريقة تمثيل النصوص

وتكتسب مجموعة البيانات الجديدة أهمية خاصة لأن بحوث تحليل المشاعر في اللغة العربية ما تزال محدودة في هذا المجال قياسًا باللغات الأخرى، إذ تواجه النصوص العربية تحديات لهجية وإملائية تجعل نقل النماذج المدربة على لغات أخرى غير كاف، ومن ثم فإن إتاحة بيانات موسومة موثوقة مصحوبة بمقارنة منهجية بين مصنفات متعددة يقدم أساسًا يمكن البناء عليه في دراسات لاحقة أكثر تعقيدًا

ثانيًا: أبرز النتائج

حقق مصنف بايز الساذج أفضل أداء بين المصنفات الستة، إذ بلغت دقته 94.62 في المئة وبلغت درجة معامل ارتباط ماثيوز لديه 91.46 في المئة، كما سجل في مقاييس الدقة الاستدعائية والاستدعاء ومقياس إف واحد قيمًا بلغت 94.64 في المئة و94.64 في المئة و94.62 في المئة على التوالي، وفي المقابل قدمت شجرة القرار أداء دون المستوى الأمثل بدقة بلغت 84.10 في المئة ومعامل ارتباط ماثيوز عند 69.64 في المئة عند عدم استخدام تمثيل تردد المصطلح ومعكوس تردد الوثيقة، وتظهر هذه المقارنة أن بساطة مصنف بايز الساذج لم تمنعه من التفوق في مهمة تصنيف المشاعر في التعليقات العربية، وأن لطريقة تمثيل النصوص أثرًا ملموسًا في أداء بعض المصنفات الحساسة لها

ثالثًا: دلالات الدراسة وتطبيقاتها

تقدم هذه النتائج رؤى قيمة لمنشئي المحتوى تساعدهم على تحسين محتواهم وتعزيز تفاعل جمهورهم عبر تحليل مشاعر المشاهدين تجاه المقاطع التي ينشرونها، فبدل قراءة التعليقات واحدًا واحدًا يمكن للنموذج المقترح أن يلخص الاتجاه العام لآراء الجمهور ويكشف مواضع الرضا والاستياء التي تستحق الانتباه، كما تسد الدراسة فجوة في الأدبيات بتقديمها مقاربة شاملة لتحليل المشاعر في اللغة العربية وهو مجال ما يزال محدودًا حاليًا، إذ تجمع بين بناء مجموعة بيانات جديدة موسومة باتساق عال والمقارنة المنهجية بين ستة مصنفات بمقاييس تقييم متعددة، بما يجعل نتائجها مرجعًا عمليًا لمن يطور تطبيقات رصد الرأي العام العربي على منصات الفيديو ووسائل التواصل عمومًا

ويبرز في هذه النتائج أن التفوق لم يكن حكرًا على النماذج الأشد تعقيدًا، فقد قدم أبسط المصنفات أداء هو الأعلى على بيانات عربية واقعية صاخبة بطبيعتها كما هي تعليقات منصات التواصل عادة، وهو ما يحمل رسالة عملية للمطورين مفادها أن ملاءمة النموذج لطبيعة البيانات وحجمها قد تتقدم على تعقيده البنيوي، كما أن الفارق الواضح بين أداء شجرة القرار عند غياب التمثيل الترددي وأداء المصنف الفائز يذكر بأن خطوات ما قبل التصنيف من تمثيل للنصوص واستخلاص للسمات ليست تفاصيل ثانوية، بل عوامل حاسمة في جودة تحليل المشاعر، ولا سيما في نصوص قصيرة كالتعليقات تتوقف الإشارة فيها على كلمات مفردة قليلة

وخلاصة القول إن الدراسة بنت نموذجًا لمعالجة اللغة الطبيعية يصنف التعليقات العربية على يوتيوب إلى إيجابية وسلبية اعتمادًا على مجموعة بيانات جديدة من 4212 تعليقًا موسومًا، وأثبتت تفوق مصنف بايز الساذج بدقة بلغت 94.62 في المئة على خمسة مصنفات أخرى، بما يقدم أداة عملية لمنشئي المحتوى لفهم مشاعر جمهورهم ويسد فجوة في بحوث تحليل المشاعر العربية المحدودة