Treffer: توظيف تقنيات معالجة اللغة الطبيعية (NLP) في تحليل المشاعر لآراء القراء باستخدام Orange Data Mining: دراسة تطبيقية لمراجعات كتب علوم المكتبات والمعلومات في LibraryThing.

The study aims to investigate ways to enhance the utility of artificial intelligence, natural language processing, and sentiment analysis tools in understanding readers' preferences and analyzing their behavior and opinions towards information sources and services. This is achieved through constructing and designing a workflow based on artificial intelligence techniques using Orange Data Mining to analyze reader reviews of books. The study adopted a descriptive-analytical approach and conducted an empirical study on reader reviews of library and information science books on LibraryThing, totaling 1654 reviews. Orange Data Mining, integrated with the popular Python programming language and supporting libraries such as NumPy and NLTK, was used along with algorithms including Vader, TF-IDF, and LDA. The study revealed several findings, notably that the book "Information Representation and Retrieval in the Digital Age" ranked first in positive sentiment with a compound score of 0.6114. Positive sentiments predominated in reader reviews, totaling 1283 positive reviews compared to approximately 202 negative reviews. Additionally, the study demonstrated that the Plutchik model is more accurate in classifying reader reviews based on emotions compared to the Ekman model. The study recommended that libraries and information institutions expand their investment in natural language processing technologies to address various issues and meet the needs and expectations of their users. Furthermore, researchers recommended conducting more collaborative future studies with artificial intelligence experts to develop suitable algorithms and build machine learning models that contribute to enhancing user experience in libraries and information institutions. Keywords: Natural Language Processing (NLP), Sentiment Analysis, Book Reviews, Orange Data Mining, LibraryThing. [ABSTRACT FROM AUTHOR]

تهدف الدراسة إلى بحث سبل تعزيز الإفادة من تقنيات التعلم الآلي، ومعالجة اللغة الطبيعية وأدوات تحليل المشاعر في فهم تفضيلات القراء، وتحليل سلوكهم وآرائهم تجاه مصادر وخدمات المعلومات. وذلك من خلال بناء وتصميم سير عمل (Workflow) قائم على تقنيات التعلم الآلي باستخدام Orange Data Mining لتحليل مراجعات القراء للكتب. واعتمدت الدراسة في تحقيق ذلك على المنهج الوصفي التحليلي. وأُجريت الدراسة التطبيقية على مراجعات القراء حول كتب علوم المكتبات والمعلومات في Librarything والتي بلغت (١٦٥٤) مراجعة. وتم استخدام برنامج Orange Data Mining والذي يتكامل مع لغة البرمجة الشهيرة Python، ويدعم العديد من مكتباتها ؛ NLTK ، NumPy. بالإضافة لبعض الخوارزميات الأخرى مثل LDA) ،(TF-IDF) (Vader). وتوصلت الدراسة إلى العديد من النتائج أبرزها؛ أن كتاب جاء في المرتبة الأولى من Information Representation and Retrieval in the Digital Age حيث المشاعر الإيجابية حيث سجل مؤشر (0.6114) compound. وإن المشاعر الإيجابية هي السائدة في مراجعات القراء للكتب، حيث بلغت (۱۲۸۳) مراجعة إيجابية بما يمثل (٧٧,٦٪)، في حين بلغ عدد المراجعات السلبية نحو (۲۰۲) مراجعة سلبية، بنسبة (۱۲) من إجمالي مراجعات القراء. كما أثبتت الدراسة أن نموذج Plutchik يُعد هو الأكثر دقة في تصنيف مراجعات وتعليقات القراء وفقا للمشاعر والعواطف التي تعبر عنها، مقارنة بنموذج Ekman. وأوصت الدراسة المكتبات ومؤسسات المعلومات بضرورة التوسع في استثمار تقنيات معالجة اللغة الطبيعية، في معالجة العديد من القضايا بما يضمن تلبية احتياجات وتوقعات المستفيدين منها. كما أوصت الباحثين بإجراء المزيد من الدراسات المستقبلية البينية بالاشتراك مع المتخصصين في علوم الذكاء الاصطناعي لإعداد خوارزميات مناسبة، وبناء نماذج التعلم الآلي التي تسهم في تطوير وتحسين تجربة المستخدم في المكتبات ومؤسسات المعلومات. [ABSTRACT FROM AUTHOR]

Copyright of Egyptian Journal of Information Sciences is the property of Beni Suef University and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)