基于MARBERT模型的阿拉伯推文垃圾邮件与情感检测

arXiv cs.CL 论文
arabic-nlp sentiment-analysis spam-detection marbert customer-satisfaction twitter deep-learning

摘要

本文介绍了一个使用MARBERT模型对阿拉伯推文进行情感分析和垃圾邮件检测的系统，该系统在包含24,513条推文的数据集上训练，旨在改善沙特电信公司的客户服务。

arXiv:2606.25495v1 公告类型：新 摘要：沙特电信公司（STC）是沙特阿拉伯最受欢迎的公司之一，拥有众多客户。然而，用户满意度仍有很大的提升空间。社交媒体是衡量用户满意度、确定其情感和批评的最有力平台。在这方面，Twitter是最受欢迎的社交媒体平台之一。STC客户更喜欢使用Twitter来撰写反馈，因为通过STC客户服务账户可以快速获得回复。满足客户需求和改善客户服务的一种方法是使用情感分析工具。由于推文数量庞大且观点多样，Twitter上的情感分析被广泛使用。同样，深度学习是现有最佳的情感分析方法，并且有多种模型。来自Transformers的双向编码器表示（BERT）模型是深度学习模型之一，在自然语言处理（NLP）的情感分析中取得了优异的结果。NLP主要针对英语进行研究。然而，对于阿拉伯语，存在很大的空白需要填补。本研究使用MARBERT训练了所提出的模型，并使用f1分数、精确率和召回率指标来评估性能。我们使用一个包含24,513条阿拉伯推文的数据集训练模型，其中包括1,437条正面、13,828条负面、5,694条中性、1,221条讽刺和2,297条不确定的推文。主要目标是分析推文并获取情感，以改善STC客户服务。与文献中的现有技术相比，所提出的方案在准确性方面具有前景。
查看原文
查看缓存全文

缓存时间: 2026/06/25 05:12 

# 使用MARBERT模型对阿拉伯语推文进行垃圾信息与情感检测
来源：https://arxiv.org/abs/2606.25495  
查看PDF（https://arxiv.org/pdf/2606.25495）

> 摘要：沙特电信公司（STC）是沙特阿拉伯最受欢迎的公司之一，拥有众多客户。然而，在用户满意度方面仍有很大的提升空间。社交媒体是衡量用户满意度、判断用户情感与批评意见的最强大平台。在这方面，Twitter是最受欢迎的社交媒体平台之一。STC客户更倾向于使用Twitter撰写反馈，因为通过STC客户服务账号可以快速获得回复。实现客户需求并改进客户服务的一种方法是使用情感分析工具。由于大量推文和不同观点，Twitter上的情感分析被广泛使用。同样，深度学习是目前最好的情感分析方法，并拥有多种模型。基于Transformer的双向编码器表示（BERT）模型是深度学习模型之一，在自然语言处理（NLP）的情感分析中取得了极佳效果。NLP主要针对英语进行研究。然而，在阿拉伯语方面还存在巨大空白有待填补。本研究使用MARBERT训练所提模型，并通过F1分数、精确率和召回率指标衡量性能。我们使用包含24,513条推文的阿拉伯语数据集训练模型，其中包括1,437条正面、13,828条负面、5,694条中立、1,221条讽刺和2,297条不确定推文。主要目标是分析推文并获取情感，以改进STC客户服务。与现有文献中的技术相比，所提方案在准确性方面具有前景。

## 提交历史

来自：Abrar Alotaibi [查看邮件（https://arxiv.org/show-email/23359762/2606.25495）] **\[v1\]** 2026年6月24日星期三 07:22:39 UTC（1,058 KB）

相似文章