Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   11 ,  No.   1 ,  Febr uar y   2021 , pp.  753 ~ 76 2   IS S N:  20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v11 i 1 . pp753 - 762          753       Journ al h om e page :  http: // ij ece.i aesc or e.c om   Differ ent valuabl e   t ools   f or  A rabic   s entim en t  a nal ysis :   a   c omp arativ e evaluati on         Y oussr a   Z ah idi 1 , Y acine   El   Youn ou ssi 2 , Y as sine   Al - Amr an i 3   1 ,2 Inform at ion  S y stem  and  Softw are   Engi n ee ring   La bora tor y ,   Abdelma le k   Essaa d i U nive rsit y ,   Morocc o   3 Te chno logi es  d e  l’Inf orm a ti on  e t  Modél isat ion   d es  S y st èmes,  Ab del m a le k   Essaa d i  Univer si t y ,   Morocc o       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   Oct   9 , 2 01 9   Re vised  A ug 11 ,   2020   Accepte d  Aug 26,  2020       Arabi c  Natur al  la nguage   pro c essing  (AN LP)   is  a  subfiel d  of   art ificial   int ellige n ce   (AI )  tha t  tries   to  buil d  v ari ous  a ppli c at ions  in  t he  Arabi c   la nguag e  li ke  Arabi c  senti m e nt  ana l y sis  (AS A)  tha t  is  the   oper ation   of   cl assif y ing  the   f ee l ings  and  emo ti ons  expr essed  for  def ini ng   the  at ti tud e   of   the   write r  (n eu tra l ,   negative   o r  positi ve) .   In   orde r  to  work   on  AS A,   rese arc h ers  ca n  use  var ious  tool s   in  the ir  rese ar ch   proje c ts  without  expl a ini ng   the   ca use  beh in d  thi s  use,   or  they   choose   a  set  of  li bra r ie s  a cc ording  to     the ir  knowledg e   about   a  spec if i c  progra m m ing  la nguag e .   Be ca u se  of  the ir   li bra r ie s '  abund a nce   in   the  AN L P   fie ld ,   espe ci a lly   in  AS A,  we  ar e  re l y ing  on   JA VA   and  Py th on  progra m m ing  la nguag es  in  ou r  rese arc h  work .   Thi s  pape r  rel i es   on  m aki n g  an  i n - dept h   c om par at ive  ev aluati on  o f  diff er ent   v al uab le  P y thon  and  Java   li bra rie s  to  ded uce   the   m ost  useful  ones  in  Arab ic   senti m ent  ana l y sis  (AS A).  Acc ording  to  a  l arg e  var ie t y   of  g rea t   and   infl u entia l  works   in   the   dom ai n  of  AS A,  we  dedu ce   that  the   NL TK,   Gensim   and   Te xtBl ob   li bra r ie s  are   th e  m ost  useful   for  P y thon  AS A  ta sk.  I n  conne c ti on   with   Java   AS A  li bra rie s,  w e  conclude   that  W eka   and  Cor e NLP  tool s  are   th e  m ost  used,   and  th e y   h ave gr ea t   result s   in   t his   rese a rch   dom a i n.     Ke yw or d s :   AN L P   ASA   A SA   program m ing  lan guage s   Java   li braries   Pyt hon   li brarie s   This   is an  open   acc ess arti cl e   un der  the  CC  B Y - SA   l ic ense .     Corres pond in g  Aut h or :   Youssra Za hid i ,    Inform at ion  System  an d So ftwar e  Enginee ri ng   La borato ry,   Abdelm al ek  Essaadi  Un i ver sit y , Tetua n,  M orocco.   Em a il :  yous sra 1994zahi di@ gm ai l.co m       1.   INTROD U CTION   Natu ral  l angu age  p ro ces sin g  (NLP)   is  a   su bfi el d  of  com pu te r  sci ence,  li nguisti cs,  arti fici al   intel li gen ce ,   a nd  in form ation  en gin ee rin g  i nterested   by  t he   interact io ns   betwee n  hu m an  (n at ur al )   la ngua ges   and   c om pu te rs ,  in  pa rtic ular  how  to  pro gr a m   co m pu te rs  t o  treat   an d  pr ocess  a  m assiv e  qu a n ti ty   of   natu ral   la nguag e  data.   Ar a bic  n at ura l  la ng ua ge  pr oc essing  A N LP   trie s  to  bu il d  so ftwa re  el igi ble  to  treat   A rab ic   li ng uisti c  data  autom at ic ally   fo r  a  sp eci fic  a pp li cat io n.   T he   Ar a bic  la ng ua ge  is  rec ogni zed  as  the   4t h  m os t   us e d  la ngua ge  of   the  In te rn e t.   It  is  the  fo rm al   la ng ua ge  of   twenty - tw o  c ountries,  s poke n  by  m or e  than  f our   hundre d  m illi on   sp e ake rs .  It  is  a  Sem it ic   lan gua ge  that  is   char act eri z e d  by  it s  li te rar y  abun dan ce .  A rab ic   m or phology  is  rich,   com plex,   an d  highly   a m big uous .   F or   this  reas on,   it   po ses  a  va riet y  of   prob l e m s  in     the  fiel d  of  NL P.  Nowa days,  AN L P  has  obta ined  sig nific a nt  val ue .  A  la r ge  var ie ty   of   a pp li cat io ns   have  bee n  bu il t   li ke:  sent i m ent  analy sis   [1 ,  2] ,  m achin e  translat io n,   quest io n  ans we r ing ,   nam ed  ent it y  reco gnit ion,  et c.   These  a pp li cat ion s  m us t  adap t   to   the  com plic at ed  struct ur e  of   A ra bic  [ 3] .  This  S em itic  l angua ge  has  it s  own   s pecial   feat ur e s ;   for  e xam ple,  it   has   no  c ap it al i z ation ;   the   A rab ic   al ph a bet  co n ta ins   29  c onsona nts  and  11   vowels.  Mo re over ,  the  Ar a bic   la ng ua ge   is  w ritt en  from   righ t  to  le ft ,   and   i ts  le tt ers  chan ge   fo rm at   dep en ding  on their   place  i n  the  wo r d.    Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    75 3   -   76 2   754   AN L P - relat ed   pro blem s  [4 ,   5]   can  be  s um m arized  as  fo ll ows:  T o  be gin   with,  t he   pro blem   of   m ul ti ple  vowell at ion   an d  t he  com plexity   of   the  A rab ic   gr a ph ic   wor d  str uc ture  (a n  Ar a bi c  descr ipti ve   wor d  can  co rr es pond  to  a  w ho le   sentence  in  F r ench).  Be side s ,  the  w ord  or der   is  relat ivel y  fr ee  in  an  Ar a bic   sentence  (v e r b  +  obj ect   +  subj ect   (VOS );   ve rb   +  s ubj ect   +  obj ect   ( VSO );  ob j ect   +  verb  +  sub j ect   ( O VS ) ).   Ar a bic  do es  no t  con ta in   capit a l l et te rs   u nlike   m os t Lat in lang ua ges . T his m akes  ANLP,  such as rec ogniti on of   entit y  na m es,  ver y  dif ficult .  A no t her   disti nctive  featu re   of   Ar a bic  is  diacrit ic al   m ark s  (s hort  vo wels):    the  sa m e  wo r d  with  dif fer e nt  diacrit ic s  can  ex pr ess  dif fer e nt  m eaning s.  Diac riti cs  are  usual ly   omi t te d,  causin g  am big uity .  Also,  t his  Sem it ic   lan gua ge  is  very   inflect ion al   an d  der i vative ,  w hich  m akes  it s  m or phologica l  analy sis  a  co m plex  ta sk .  It  is  der ivat ive   i n  that  al l  the  Ar a bic  w ords  hav e  a  t hr ee -   or   four - char act e r  r oot  verb ,  a nd  it   is  inflect io nal  bec ause  eac h  wor d  c on sist s  of   z ero   or  m or e  affi xes  ( pr e fix ,  in fix  a nd   su f fix )  an d  a  r oo t.   As  a  res ult, the lack  of   Arabic res ources,  su c h  as li br a ries, that sup port  the Arab ic  lan gu a ge   corp or a  m akes  ANLP  re sear ch  m or e  chall eng i ng.  F or   t his  reason,  A rab i c  is  m or e  com plex  a nd   dif fic ult  to   process  in NL P f ie ld  co m pared to  the  ot her   fam ou s lan gu a ges,   Applic at ion s  of   A NL P  are   widely   sp rea d  beca us e  pe op le   com m un ic at e  a l m os t  e ver yt hi ng   in   la nguag e   [ 6] .  Am on g  t hese  a pp li cat io ns ,   we   fo c us   on  A ra bi c  senti m ent  analy sis  in  ou r  researc h  st ud y.   ASA  or   op i nion  m i ning  ai m s   at   def inin g   the  at ti tud e,   t he  senti m ent  po la rity   (positi vity ,  ne utrali ty ,  neg at i vity )  o f    a  wr it er   or  a not he r  s ubj ect   c on ce r ning   a  pa rtic ular   e ven t  [7 ,  8] .  A  la r ge  nu m ber   of  sen tim ents  are  bo rn e  i n  po sts   on  m any  so ci al   m edia  platfor m s  li ke  (T witt e r,   Face bo ok, Y ouT ub e ,  I ns ta gram ).  Sent i m ent a l   An al ysi s  is  perfo rm ed  us i ng   va rio us   m achine  le a rn i ng  te ch niques   [9 - 11 ,  sta ti sti c al   m od el s ,   a nd  N LP  for  fe at ur e   extracti on   fro m   extensiv e d a ta .   Sentim ent  ana ly sis  has  var iou s   tre ndin g  app li cat io ns   in   m any   fiel ds .  In   poli ti cs,  it  can  ai d  in  inferrin g   the  fr ee   ori entat io n  an d  reacti on  towa r ds   pol it ic al   even ts,  wh ic h  hel ps   in  decisi on  m akin g.    In   busines s,  it   per m it s  com p anies  to  aut oma ti cal ly   colle ct  their  c us tom ers'   op i nions  on  their  se rv ic es   [12] .  Sentim ent an al ysi s can be  done   at   seve ral  le ve ls, doc um ent l evel  [ 13] , s e ntence - le vel ,   a nd  su bject - le vel .   In   t his  resea rc h  pr oj ect ,   w hic h  re l ie s  on   the  do m ai n  of  A S A,   we  try   to   do  a  c om par at ive  evaluati on   to  co nclu de  t he   m os t  valuab l e  pro gr am m in g  la ng uag e s,  wh ic h  a re  a bund a nt   at   th e  le vel  of  ASA  li b ra ries.     We  com par e  these  li br a ries  to  de du ce  the  m os t   po we rful  on e s.   Wh e n  w e  ta lk  abo ut  th e  Eng li sh   la ng uag e ,   f or  exam ple,  there  are   var i ou s   N LP  too ls  ad va ntage ous  for  va rio us   NL P  ta sk s ,   es pecial ly   i n  sentim ent  analy sis  SA .  Nev e rthel ess ,  this  is  no t  the  s am e   sit uat ion   f or   t he  A ra bic  la ngua ge.   Du e  to  it s  am big uity ,  synta ct ic   and   m or phologica l  abun dan ce  a nd   richness,  the  Ar a bic  la ngua ge  is  deem ed  as   the  m os t  diffi cult  la ng ua ge .   Ther e   are  a  lim it ed  nu m ber   of   li br aries  that  sup port  it .  T his  co m plex  natur e ,   wit h  the  la c k  of   it s  res ource s  an d    the  di ver sit y  of  diale ct s ,   im po se s   dif ficult ie s  on  the  de vel op m ent  in  the  fiel d  of  ASA  r esearch .  Ch oos ing   t he   m os t  app ropr ia te   gr ou p  of  li br aries  that  m ee ts  ou r  s pecific   need s  is  ve ry  diff ic ult  and   im po ses  a n  in - dept h   evaluati on.   T o  so l ve  t his  m ajor  pro blem ,  we  rely   on  a   var ie ty   of  val uab le   aspects   in  this   com par at ive  evaluati on.  Th is  com par at ive  evaluati on  is   crit ic al ,  in  th at   it   wo ul d  e na ble  va rio us   r esearche rs  w ho  are   interest ed  in  usi ng   ASA  in  t heir   proj ect s  t o  bui ld  a ppr opriat e  decisi ons   about  avail ab le   li br aries  tha t  m eet  their r e quirem e nts a nd n ee ds   a ccur at el y .   The  r est   of  th e  p a p er   is  des cribe d  li ke  thi s :  t he  seco nd   sect ion   em ph a siz es   A SA   pr ogram m ing   la nguag e s   an d  their  fam ou s  L ibrar ie s .  Sect io n  3   offer s  our   in - de pth   com par iso n  betw een  t he  m os t  us efu l  Java  and   Pyt hon   li braries  f or  ASA .  The  resu lt s  a re  de bated  i n  detai l  in  s ect ion   4 ,  an d  th is  work   is  finis h ed   with   final th oughts i n  s ect io n  5 .       2.   APPLIE D  P R OGRA MMIN G LA NGUA G ES A ND LIB RARIES   V ari ou s   pr ogr a m m ing   la ngua ges  a re  a ppli ed   i n  Deep  L earn i ng  an d  AN L P  (like  C ++,  R,  Perl,   Pr ol og,  Lisp  ...).   Th ese,  how ever,  a re  known   by   their   s carcit y   of  ap pro pr ia te   gro up s   of  li braries   us e d  i n  m od ern   a pp li c at ion s  in  th ese  do m ai ns .   N owadays,  va rio us   Pyt hon  an d  Ja va  li br a ries  ha ve  bee n  bu il t  to  cat er   to  the  re quire m ents  and   nee ds   in  c urre nt  Deep   Lear ning   and  A NLP   m od e r n  ta sk s .  I n  view  of   t hese   too ls'   abun dan ce ,  re pu ta ti on,  a nd   high  pe rfo rm a nce,  Ja va  a nd   Pyt hon  can  be   con si der e d  as   the  m os t  widely   us e d  pro gr am m ing   la nguag e s  in  these  dom ai ns .  That  is  wh y  we  are  basin g  on   Ja va  a nd   Pyt hon  pro gra m m ing   la nguag e s  in  t his  in - de pth   e valuati on,  as  t hey  are  the  m os t  com m on ly   us ed .  W e  wi ll   be  beg i nn i ng  by  choosi ng   ap pr opriat e  progra m m ing   la ng ua ges  to  co nclu de   wh at   are  ide ntify  their  m os t  po te nt  li br a ries  in     the ASA  dom a in.     2 . 1.    A r ab ic   se nt im en t an alysi s using P yt h on     Pyt hon  is  a   po werfu l  pro gr a m m ing   la ngua ge  with  e xcell ent  f unct ion al it y  and  feat ur e   f or  proce ssi ng   natu ral  la ngua ge,   it s  sem antic s  an d  sy ntax  are  tra nspare nt,  an d  it   has  e xc el le nt  string - ha nd li ng  f un ct i on al it y.  As  an  ob j ect - ori ented  la ng ua ge,  Pyt hon per m it s  m et ho ds  a nd   data to b e e ncapsulat ed  a nd r e us ed  easi ly . A s an   interp reted  la ngua ge,   Pyt ho n  facil it at es   interact ive  ex plorat ion.  As  a  d ynam ic   la nguag e ,  Pyt hon  al lows   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Diff erent val uable to ols   for  ar ab ic   sentime nt  analysis:   a co mpar ative  eval ua ti on   ( Y oussr a  Z ahidi )   755   var ia bles  to  be  ty ped   dynam icall y  and   add   at tribu te s  to  ob j e ct s  on   the  fly ,  facil it ating   rap i d  de velo pm ent   [14] .  Ma ny  researc he rs  rec omm en d  this  po werful   pr og ram m ing   la nguag e .  F or  instance:   Stev en  Bi rd   a nd  E dwa r d  Lo per   in   [ 14 ]   strongly  rec om m end   the  use   of   Pyt hon  in   NLP   pro j ect s,   and   t hro ugh  t heir  work   [ 15 ] ,  they   deduce t hat thi s progra m m ing  langua ge  is t he  b est ,  providi ng a lar ge vari et y of   be nef it s.   In   his  pap e r   [16] ,   Niti n  Ma dn a ni  ch ose   to  e m plo y  Pyt ho n  beca us e  he  c onfir m s  that  this   pro gr am m ing   la ngua ge  has  a   la rg e  var ie ty   of   be ne fits  over  the  oth e r  program m ing   la ngua ges,   s uch  as  an  easy - to - us e  ob j ect - or ie nted  pa rad i gm ,  hig h  read a bili ty ,  strong  U nico de   support ,  easy   extensi bili ty ,   an d     a pow e rful sta nd a r d  li br a ry.  I t i s v ery   e ff ic ie nt and  has  b ee n  a pp li ed   in  com plex  and   dif f ic ult   NLP p roj ect s.   The  T heano  D evelo pm ent  Tea m   enco ura ge s   the  us e  of   Pyt hon  th rou gh   t hi s  work   [17] ,  wh ic h  they  consi der   a  fle xib le   pro gr am m ing   la nguage  pr ovidi ng  a   strai gh tf orwa rd   m ann er  to   react  with  data  and  al lowing  for  fast  pr oto ty pi ng.   M or e ov e r,  pa per  [ 18 ]   offer s   a  c riti cal   assessm ent   of  e xisti ng  Pyt hon  infr a st ru ct ur e   f or  NL P  new   ta sk s.   T hroug h  t heir  case   stu dy :  Au t om at ic   Asp ect ual  Cl assi ficat ion   of  V er bs   i n  an  U ntag ge d  Corpus,  the  a uthors  fou nd   t hat  Pyt hon ’s   cor e  li braries  offer   perfect   cov e ra ge  of  es sentia l  m achine   le ar nin g al gorithm s.     Pyt hon  is  esp eci al ly   m o re  a ppr opriat e  for  var i ou s  reas ons:  fr ee  a nd   si m ple,  ob j ect - ori ented ,   a nd   com patible   with  s o  m any  pla tfor m s,  a  la r ge   num ber   of  li braries  f or   Pyt hon.  Neverthele ss,   we  al s o  ha ve   t o  know  the  dow ns ides  of   c hoosi ng   it   ov e r  an oth e r  pro gr am m ing   la ngua ge :  Sp eed  li m it ation s ,  W ea k  in  m ob il e   com pu ti ng ,   a nd  browsers .     2 . 1.1.   Py thon l ibrarie s   It  is  fun dam ent al   first  to   sho w   the  m os t  us ef ul  Pyt hon  li bra ries  that  ha ve  been   pro ve n  in   the  dom ai n   of A S A:  NLT K,   TextBl ob, a nd G e ns im .   a.   NLT K:  is  a  le adin g  platfo rm   for  NLP.  A  s et   of  co re  m odules  (lib rar ie s   and  pr ogram s)  offe rs  basic  da ta  ty pes  that  are  ut il iz ed  through ou t  the  to ol.  N LTK  is  a  pe rf e ct   sta rting   poin t  fo r  researc he r s  and   st ud e nts  in  the  do m ai n  of   NLP   b ecause  of   it s  nu m erou s  ben e fits.  Tha t  is  wh y  NLT K  has  been   na m ed  "a  wo nde rful  too l  f or   te ac hi ng   a nd  w orki ng  in  c om pu ta ti on al   li nguisti c s  us in g  Pyt ho n"   and   t he  "m oth er"  of   al l  N LP   li br aries.  T he  sign ific a nt  ad va ntage  of   us in g  NL TK  is  th a t  it   is  entirel y  sel f - c on ta ine d.  No t  on ly   does   it   pro vid e  s uitabl e  functi ons  t ha t  can  be   use d  as  buil ding  bl ock s  f or   c omm on   NLP   ta s ks.  T his   gr oup  of  app li cat io ns   an d  li br aries   f rom   the  Un iver sit y  of   Pennsyl va nia  has  ear ne d  co ns ide ra ble  tract ion   in  Pyt hon - base d  S A  syst e m s since its con cept io n  i n 2 001.   b.   TextBl ob :   it  is  a  python  li br a r y  fo r  processin g  te xtu al   data ;  it   pr ovides  a  si m ple  AP I  to  acce ss  it s  m et ho ds  and  do  basic  NLP   ta s ks   su c h  as   s entim ent   a naly sis,  par t - of - spe ech   ta gg ing ,   c la ssific at ion ,   t ra ns la ti on. . .   The   se ntim ent   functi on  of   T e xt B lob   retu rn s  tw o  pr operti es,   s ubj ect ivit y,  and   po l arit y.  Su bject iv e   sentences  us ua ll y  ref er  to  per sonal   opinio n,  j ud gm ent,  or   e m otion ,  w he reas  obj ect ive  ref e rs  to  factu al   inf or m at ion .  Su bject ivit y  is  al so   a  float  w hich  li es  in  the  range  of   [0, 1].  Po la rit y  is  a  float  that  li e s  in     the r a nge  of   [ - 1,1] w her e  1 m eans a  posit ive  sta tem ent   and   - 1  m eans a nega ti ve  sta tem ent.    c.   Gen sim :  i t  is   an   ope n - s our ce   li br ary  f or  un s up e r vised   su bject   m od el ing   a nd   N LP ,   us ing   m od e r n  sta ti sti cal   m ac hin e  le a rn i ng .   It  is  co ns i dered  as  a   r obus t   vecto r  s pace  m od el ing   to ol  i m ple m ented  i n  Pyt hon.  Co ntr ary  to   NL TK ,   Ge ns im   is  the  best   way  t o  proce ss  m assive  dataset s.  G ensim   li br ary   was  pr im aril y  bu il t  fo r  doc um e nt  si m il ari ty   est i m ation ,  an d  this  treatm ent  is  the  m os t  devel oped   in     the  pa cka ge.  It   sup ports  th ree   m ai n  NLP   m od er n  ta s ks :   retr ie ve  sem antic al ly   si m il ar  do c um ents,  scal ab le   sta ti sti cal  se m antic s,  an d  an al yz e  plain - te xt  do c u m ents  for  sem antic  structu re   [ 18 ] .  Gen sim   include s   stream ed  par al le li zed  i m ple m entat ion s   of   m any  al gorithm s  li ke  fa stTe xt ,   word2 vec ,   an d  doc2 vec   that  are  us e d  a  lot  in  t he  fiel d  of  A r abic  sentim ent   analy sis .  Its  hig hly   and   native   optim iz ed  i m ple m entat ion   of   Goo gle' s  wo r d2vec  m achine  le arn in g  m od el s  m akes  it   a  s t ron g  co nten der  fo r  incl us io n  in  a  SA   pro j ec t,   ei ther  as a  c or e  f ram ework o r a s a libra ry r e s ource.   In   Ta ble  1 ,  w e  try   to  hig hligh t  m any  adv antages  a nd   disad van ta ges  of   the  m os t  us ed  Pyt hon  li br a ries  in  A ra bic  se ntim e nt an al ysi s .     2.2.   Ar ab ic   se nt im en t an alysi s using  Ja va   Be cause  of   it s  best  featur e s,  Jav a  is  a  powe rful  progr a m m ing   la ng ua ge  f or  pe rfo r m ing   NL P.    The  Java  a pp li cat ion ,  li ke   j ust   in  tim e,  pr oc esses  a  la rg e  qu antit y   of   data   as  rap id ly   as  po s sible.  T he  m ul ti - threa ding  cha r act erist ic   of   Java  is  ver y  sig nificant  f or   t he   heav il y  load ed  ap plica ti on .   This  ap plica tio n  i s   us ef ul in  NLP i n  that t he  ta s k  i s d i vid e d  int o  s ever al  t hr ea ds ,   thu s  r e du ci ng the tim e.   NLP   st or e d  a  wide  var ie ty   of  li nguisti c  file s.  Java  has  a n  excell ent  abili ty   to  store  data  without  any  changin g  a  sin gle  cod e .  The  Java  data base  connecti vity   AP I  ser ves  as  a  br i dg e  bet wee n  Java  ap pli cat ion   an d  the  databa se.  T he  li nguisti c  knowle dge u pda te d  with ou t  c ha ng i ng   t he  sin gl e  li ne  of   Ja va  cod e ,  an d  it   sto red   in   the  da ta base.   I n   [19] ,  t he  a uth ors   stron gly  r ecom m end e d  t he  us e  of  Ja va   pro gr am m ing   la ngua ge .   Be s ides,     the au t hors o f  [ 20 ]   fou nd that  Java is t he  be st  and   the   m os t u sef u l   pro gr am m ing  lan guage .    Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    75 3   -   76 2   756   The  f ollow i ng   sect ion   p r ese nts  sever al   be nefi t s   of   Java:  it   i s  s i m ple,  s ecure ,  i nterprete d,  d ist rib uted ,   o bject - or ie nted ,  p la tfo rm - inde pende nt ,   an d   m ulti - thread e d.   Ac co rd i ng  to  s un  m ic ro syst em s,  Java  has     the  fo ll owin g  essenti al   stren gth s :  sec ur it y ,   portabil it y,   ease  of   use ,   r obust ness ,   a nd   distr ibu te d  process  acro s s   the  W eb .   The r e  is,  howev e r,  the  scop e  for   Java  i m pr ove m ent  as  it  cont inu es  to  ha ve   so m e  disadv a ntages:  Java  can  be  s een  as  sig nificantl y  slow er  a n d  m or e  m e mo ry - i ntensi ve  than  nativel y  com piled  la ng ua ges ,     the  sin gle  par a dig m   la ng ua ge ,  Lo ok  an d  fee l.  The  def a ult  feel  an d  lo ok   of   GUI  a pp li c at ion s  wr it te n  in  Jav a   us in g  t he  S wing to ol a re  ver y  diff e re nt fro m  n at ive a pp li cat ion s .     2 . 2.1.   Java li b raries   In th is  sect io n ,   we wil l  show   the m os t  powe r fu l  Ja va  li brar y   f or   A S A :   Weka ,   Co reNLP ,   a nd G at e.   a.   The  Stan ford  Core NLP :  it   offe rs  a   set   of   hu m an  la ng ua ge  te c hnology   too ls .  It  is  a   Java   an nota ti on  pip el ine  fr am ework  that  pro vid es  la ngua ge   processi ng  ta sk s  a nd  offe rs   m os t  of   the  c omm on   essent ia l  NLP   ste ps,  f rom   tok enizat ion  throu gh   to  c o - re fer e nce  res ol ution   [ 21] .  Stanf ord  Co reNLP' s  pu r p ose   is  to   m ake  it   si m ple   to  ap ply  a  bunch   of   li ng uisti c  analy sis  tool s  to  a  te xt.  This  li br a ry  is  buil t  to  be  hi ghly   flexible  an d  e xtensi ble.  T he   m os t  su pp or t ed  la ngua ge  i s  the   En glish   la nguag e ,  but  oth e r  la ng uages,     li ke  Ar a bic,  G erm an,   Chines e,  Sp a nish,  an d  Fr e nc h,   ar e   al so   avail abl e.  Its  featu res,  relat ive  ease  of   i m ple m entat io n,   de dicat ed  S A  to ols,   an d  e xc el le nt  com m u nity   support  m ake  C or e NLP  a  seve re  c on te nd e r   to  pro duct ion,  even   i f  it s  Jav a - base d  a rch it e ct ur e  c ou l d  ent ai l  a  li t tl e  extra  eng i neer i ng   an d  over hea d,   in   certai n  ci rc umst ances.  T he  S ta nford  NLP   l ibrar y  ca n  be  us e d  us i ng  Py thon  becau se   there  a re  se veral   pack a ges  and i nterf ace s fo r u sing Sta nfo r d C or e NLP i n P y tho n   (i nd e pe ndent  of  NLT K).   b.   Wek a:   it   is  op e n - s ource  s of tw are  avail able  unde r  the  G NU   gen e ral  public  li cense .  It  is  an  acce ssible  su it e   of  m achine  le arn i ng  s of twa r e  w ritt en  in   Ja va,  de velo pe d  at   the  Un i ver s it y  of   Waikat o,  Ne w   Zeal an d.     The  We ka  wor kb e nc h  in cl ude s  a  group  of  al gorithm s  and   vi su al iz at ion   to ols  f or  pr e dicti ve  m od el in g  a nd  data  an al ysi s,  with  gr a phic al   us e r  inte rf ace s  f or  easy   acc ess  to  t his  f un ct ion al it y.  W E KA  was   use d  to  perform   sentim ent  cl assifi cat ion   to   s olv e  pro blem s  in  var i ou s   fiel ds.  It  ha s  bee n  us e d  f or  S A  purpose s  by   a large  v a riet y of resea rch e s a nd p a pe rs.   c.   G at e :  it   is   a n  open - s ource   and   Cr os s - pl at fo rm   Java   s of t war e  to olk i t   capab le   of   r esolvi ng   al l  te xt   processi ng   prob le m s.  It  co ntains  a  near l y - ne w  inf orm at ion   ext racti on  syst em   "A NNIE,"  w hich   is    a  gro up  of   m od ules  co nta ining  a  nam e d  e ntit ie s  tran sd uc er,   a  par t - of - s peec h  ta gger ,  a  gazett eer ,     a tok e nizer,  a c o - ref e ren ce ta gger , and  a sent ence sp li tt er.  T his librar y s up ports v a rio us  l angua g es:  Ara bic,  En glish,   Fr e nc h,   Ge rm an,   Chinese ,  Ital ia n,  Bulga rian ,  R om anian,   Hind i,  Ce buan o,  R om anian,   Dan i sh ,   and   R us sia n.  T her e  a re  so m e  valua ble  Gate plugins  that  a r e  ver y  us e f ul  in  A rab ic   se ntim ent  analy sis ,  su c h  as  SE AS  a nd S AGA.       Table  1.   C om par iso n  of the m os t  us ed  Pyt ho n  li braries  i n A S A   Librar y   Ad v an tag es   D isad v an tag es   NLT K   -   Su p p o rt  th e  m o s t  sig n if ican t  n u m b er  o f   lan g u ag es   co m p a red to  oth er  lib rar ies.   -   The  M o st  W ell - Kn o wn  and  f u ll NL P library.   -   Many  th i rd - p art y  e x ten sio n s.   -   Fast sen ten ce tok en izatio n .   -   Plen ty  of  app roach es to  eac h  N LP  tas k   -   Qu ite slo w.   -   It  is c o m p li cated t o  lear n  and  us e.   -   Proces ses   strin g s  wh ich   are   n o t  v e ry   ty p ical  f o r   o b ject - o riented  lang u ag e Py th o n .   -   In  sen ten ce  to k e n izatio n ,  NLT K  o n ly   sp lits  tex t  b y   sen ten ces, witho u t analyzing  the se m a n tic structu re.   Gen si m   -   Prov id es  tf - id f   v ec to rization ,  wo rd2 v ec,  d o cu m en t2 v ec,  laten t se m an tic  ana ly sis ,  lat en t Dir i ch let allocatio n .   -   W o rks  with la rge  d atasets  and  pro cess es d ata strea m s.   -   Su p p o rts deep  lear n in g .   -   Do es   no t  h av e  en o u g h   to o ls   to   p ro v id e  full  NLP  p ip elin e,  so   s h o u l d   b e  u sed   with   so m e  o th er  lib rar y   (Spacy  or N LT K )   -   Desig n ed  pri m aril y  f o r  u n su p ervis ed  text  m o d elin g   TextB lo b   -   Of f ers   lan g u ag e  trans latio n   an d   d etectio n   wh ich   is   p o were d  by  Go o g le T r an slate   -   Si m p le   to   ap p ly   an d  intu itiv e interf ace  to  NL TK  lib r ar y   -   S lo w   -   N o  integ rated wor d  vecto rs   -   N o  neu ral  n etwo rk   m o d els         3.   COMP ARAT IVE ST UDY OF  AS A  LIB RARIES   In   our  in - de pth   com par at ive  stud y,  we  try   to  c ho os e   the  m os t  valua ble   gr oup   of  li br a rie s  that  m eet s   our nee ds   rely ing   on a  v a riet y o f valua ble as pects   a nd level s:     3.1.   C ompar ati ve  s tu d y   of  t he m os t po ten t   A SA  li brarie s  based  on the  li tera t ure   In  Tabl e  2 ,   we   try   to  highli ght  num ero us   c har act erist ic s  of  A ra bic  s enti m ent  a naly sis   li br aries   a nd  fam ou s  w orks  base d  on  t he  li te ratur e .   Acc or ding  to  t he  li te ratur e ,   we  c oncl ud e d  that  NL TK,   We ka,   Ge ns im ,   T extBl ob,   a nd   Stanf ord  C or e NLP   li braries  are  be ne fici a l  com par ed  to   ot her   fam ou s  Li br a ries  in  t he  f ie ld  of   ASA  an d  we  f ound  m any   Ar ti cl es  wh ic h  ad op te d  the  us e  of  NLT K ,  Wek a ,   TextBl ob   a nd  Gen sim   l ibrar i es  in  their  works m or e tha n St anfo r d  C or e NLP   an d Gate   li br a r ie s .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Diff erent val uable to ols   for  ar ab ic   sentime nt  analysis:   a co mpar ative  eval ua ti on   ( Y oussr a  Z ahidi )   757   Table  2 .  C om par iso n of t he  m os t  po te nt   A S A  li braries   Librar y   Licens e   P latf o r m   Hig h lig h ts   W o rks  in AS A   NLT K   Ap ache 2 .0   Cro ss - p latf o r m   Massiv e   n u m b ers  o f  lang u a g es an d  too ls  su p p o rted; well - d ev elo p ed   co m m u n it y   an d   d o cu m en tatio n   [ 2 2 ] [23 ] [24 ] [25 ] [ 2 6 ]   [ 2 7 ] [28 ] [29 ] [30 ] [ 3 1 ]   [ 3 2 ]   Gen si m       LGPL   W in d o ws ,  Linu x ,  Mac  OS X  an d  sh o u ld   wo rk s   o n  any  o th er  p latf o r m   th at su p p o rts Py th o n   2 .6+ an d  Nu m Py   S p eedy , s cal ab le ,   s tron g  nativ e ca p ab ilities;  co m m e rcial  sp in o ff s av ailab le   [ 3 3 ] [34 ] [35 ] [36 ] [ 3 7 ]   [ 2 3 ]   [ 3 2 ]   TextB lo b     MI T   Licens e     Cro ss - p latf o r m   This  librar y   stan d s o n  the g ian t sh o u l d ers  of   NLT K   an d   p atte rn   an d  plays nicel y  with  b o th .   th erefo re,   m a k in g  it  easy   f o r  b e g in n ers by  p rov id in g  an in tu it iv e interf ace  to  N L TK   [ 3 8 ] [39 ] [40 ] [41 ] [ 4 2 ]   [ 4 3 ]   [ 4 4 ]       Stan f o rd  Co reNL P   GNU G PL   Cro ss - p latf o r m   P latf o r m - ag n o stic;  m u lti - lan g u ag e su p p o rt;    a live d e m o  avail a b le   [ 2 5 ]   [ 4 5 ]   [ 3 5 ]   [ 4 6 ]     W ek a         GNU  GPL     IA - 32 ,   x86 - 64 ;   Jav a  SE     Po rtability,  sin ce it  is  co m p letel y   i m p le m en ted   in   Jav a  an d  thu s  wo rk s   o n  al m o st  an y   n ew   co m p u tin g  platf o rm .   A  la rg e  g rou p   o f   m o d elin g   tech n iq u es  an d   d at a prepro cess in g .   Si m p le   o f  us e du e to its g raph ical us er  in terfaces .   [ 4 7 ] [48 ] [49 ] [50 ] [ 5 1 ]   [ 5 2 ] [53 ] [54 ] [55 ] [ 5 6 ]   [ 5 7 ]     Gate   LGPL   Cro ss - p latf o r m   G ate   h as p lu g in s for  m achi n e l earnin g   with   W ek a,  M A XEN T ,   SVM  lig h t ,   R ASP,  and  f ast  LibSVM  in teg ration ,  a percept i on  i m p l e m en tatio n  f o r  m an ag in g  on to lo g ies lik e  W o rdNet,  plu g in s  f o r  q u ery in g   searc h  eng in es  lik e Yaho o   o r  Go o g le,   an d  plu g in s fo r  Po S  tag g in g  with Brill or T re eTagg er.     [ 5 8 ]   [ 5 9 ]   [ 6 0 ]       3.2.   C ompar ati ve  s tu d y   of  open s oftware  li braries b as ed  o n  t he  c omm unity on  GitH ub   r esul ts   GitHub  pr ov i de s  plans  f or   both  fr ee  acc ount s  and   pr ivate   r eposi tories,  whic h  are  com m o n ly   app li e d  to  host  ope n - s ource  project s.   It  is  the  bi gg e st  ho st  of   sour ce  code  in  the  glob.  T he  nu m ber s  i n  the  GitHub  sit e   are  per m anen tl y  var ia ble.  T ha t  is  wh y  we  will   design at e  the  visit at ion   date  of   th e se   pieces  of   i nform at ion   (10/0 6/2 020).  Table  3  sho w s   the  GitHub  r e su lt s.   T hro ugh  the  resu lt s,  we  deduce  that  Ge ns im   and   NLT K  are  the m os t app li e d,   purs ue d by  Core NLP, Te xt Bl ob ,   We ka,  a nd last ly ,   G AT E .       Table  3 .  GitH ub  r esults   Librar y   NLT K     Gen si m     TextB lo b   Co reNL P     W ek a   Gate   Lang u ag e   Py th o n   Py th o n   Py th o n   Jav a   Jav a   Jav a   Stars   8 ,97 5     1 0 ,86 7   7 ,08 4   7 , 254   302   105   Fo rks   2 ,34 6     3 ,80 0   942   2, 400   240   139   Co n tribu to rs   291   336   22   10 0   1   44   Co m m its   1 3 ,88 8   3 ,92 8   537   1 6 , 02 2   9 ,61 2   3 .40 3       3.3.   C ompar ati ve  s tu d y   of  t he open s oftw are librarie s   b as ed  on m ulti ple cri teria   In   Ta ble  4   (se e  app e nd i x) ,  w e  try   to  sh o w   var i ou s   c rite ria  of   NL P  To o ls   li ke   the  Do cu m entat ion ,   Characte risti cs ,  al so ,   the   s upported   treat m e nts  of   e ach   N LP  li br a r y ,  i.e . ,   N LTK ,   Gen i sm ,  TextBl ob   Pyt hon  Libra ries  and   Core NLP,  W e ka ,  G ATE   Ja va   Librar ie s .  W e  will   m ake   a  com par ison   be tween  these  li braries  to  reach   a c on cl usi on on t he  m os t p o te nt   li brari es that  m eet s   ou r  n ee ds   v e ry  well .       4.   RESU LT S  AND DI SCUS S ION   In   this  c om par at ive  stud y ,   we   try   to  adopt  two  ma jor   m at t ers .  T he  first  is   that  nu m ero us  researc her s   are  co nfo unde d  ab out  wh at   pro gr am m ing   la nguag e  t hey  hav e  to  a pply   fo r  var i ou s   AN L P  m od er n  ta sk s ,   especial ly   fo r  the  Ar a bic  sent i m ent  analy sis   fiel d .  The  sec ond  issue  is  th at   there  are  a  l arg e  var ie ty   of  NLP  li br aries,   w hic h  is  wh y  m any  researc her s   f ind   it   ver y  hard  to  sel ect   a  s uitable   set   of  l ibrar ie s  i n  thei r  A SA  researc h  pro j e ct s  an d  wh ic h  on e s  m eet   their  needs  best.   F or  this  reas on,   they   us e   A N LP  li braries  for   thei r   AS A  re searc h pro j ect s, bu t  w it ho ut  justi fyi ng  thei r op ti on.   Both m at te rs  are  deb at e d  in   m or e d et ai l below :         Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    75 3   -   76 2   758   4.1.  Sele ctin g th e s uitabl e p rog r ammin g  l angu ag e   Am on g  v a rio us  program m ing   la ngua ges  ( su ch  as  C+ + ,  R,   Perl ,   Prolo g,  Lisp.. . ),   w e  sel ect ed   Java   and   Pyt hon  pr ogram m ing   la nguag e s  in  our  st ud y.  T his  ch oi ce  is  j us ti fied  by   their  broad   popula rity   us ef ul ness  an d  im po rtanc e  fo r  c urren t  A NLP   ta sk s ,   esp eci al ly  fo r  the  Ar a bic  Sentim ent  An al ysi s   dom ai n .  Be sides ,  these   two p rogr am m ing  la ngua ges have  a lar ge va riet y of   powe rful li br a ries in   the  ASA   fiel d .     4.2.   C hoosin g an   adequ at e   l ibrary   f or Ar ab ic   se nt im en t ana l ys is p ro j ect   Tha nk s   to  t he  div e rsity   of  av ai la ble  NLP  li br a ries,  m os t  r esearche rs  us e   va rio us   li brar ie s  in   thei r   researc h  proje ct s   without  e xp la ini ng  the  cause  beh i nd   this  us e .  We  aim ed  to  rely   o n  our  rev ie w  of     the  li te ratur e   on  t he  m os t  po te nt   a nd  use f ul  A S A   li br a ries ,  na m ely:  NLTK ,   Ge nism ,   T extBl ob,  C oreNLP ,   Wek a ,  a nd  Gate .  T he  c ho ic e   of  the  li b rar y   r el ie s   on  the   spe ci fic  pro blem   you  are   de al in g  with  i n  Se ntim ent  An al ysi s.  W e  can  us e  each  of  them   in  var io us   scena rios.   we  trie d  to  give   you  a  gen era l  su m m arize  of   the m ,   and w e  ho pe  it   can  help  y ou m ake th e  r i gh t  opti on for y our   pro blem :   a.   NLT K:  is  v e ry  us ef ul.  If   y ou  know  to  pro gram   in  Pyt ho n,  then  NLT K  is   a  sm art  cho ic e  as  it   con ta in s     the  f unct ion al i sts  of  Sta nford   Core NL P  a nd  W e ka  T ools.  Othe r  tha n  t his ,  yo u  ca n  be ne fit  from   le xical   resou rces  with   ease,  su c h  as  Wor dN et ,  of te n  ind is pe ns a ble  in  the  do m ain   of  ASA.  S uc h  as   Core NL P ,   NLT K  pro vide s   var io us   w r app e rs  f or   m a ny   program m i ng   la ng uag es  and   c om es  wi th  a  var ie ty   of   resou rces.   b.   Gen sim :  i ts  hig hly  an d  native   opti m iz ed  i m ple m entat io n  of  Goo gle' s   wor d2vec  m achine  le ar ni ng   m od el s  m akes  it   a  strong  ca nd i date   f or   in cl us io n  in  a  s entim ent  analy sis  project ,  ei ther  as  a  li brar y  resou rce  or  as  a  cor e   f ram ewo r k.   C on t rar y  t o  N LTK ,  Gen i sm   is  a  gr eat   opti on   f or   proce ssing   m assive   dataset s. At t he  sam e tim e, it do es  not  acce p t   a sig nificant  num ber  of  c urre nt   N LP ta s ks   s uch as   NLT K.   c.   TextBl ob :  it   is  re l ie d   on  N LT K  an d  Patt er n.   It  has  a n  excell ent  API  f or   al l  the  com m on   N LP  treat m ents .  It  is  a  m or e  pr act ic al   li br ary  fo c us e d  on  ev eryday  us a ge.   It  is  per fect  for  init ia l  pr oto t yping   in  al m os t   ever y  NL P  pro j ect .  U nfor t unat el y,  i t  inh erit s  the  low  pe rfor m ance  from   NLT K,   an d  th eref or e  it   is  not  su it able  f or   la rg e  scal e  pr oduction  us a ge.   Ma ny   researc he rs  co ns ide re d  TextBl ob   Li brary  as  one  of  Pyt hon' s li br ari es to e xec ute S entim ent Analy sis.   d.   Stanf ordC or e N LP:  it  is  help f ul   if  yo u  need  pa rt  of  s peec h  c at egories,  c o - r efere nce,  or  na m ed  entit ie s  in  te xt.  Thes e  ha ve  bee n  em ploy ed   as  pote nti al   featur es  by  the  sentim ent  analy sis  resear ch  com m un it y.  The  Stan ford  Core NLP  is  one  of  th e  m os t  po te nt  li br a ries   am on g  a   la r ge   va riet y  of  gr e at   NLP  li br a rie s  because   it   is  easi ly   co m pr eh ensible.  C om par ed  t o  ot her   l ibrar ie s ,  Co re NLP   is  easy   t o  set   up  a nd   r un  since  us ers   do  no t  nee d  t o   under sta nd  c om plex  instal la ti ons  an d  proce dur es,  a nd  it s  use r s  only   re quire  t o  hav e  a lit tl e b a ckgr ound  of   pi eces o f  in f or m at ion  a bout   Ja va  b e fore they  c an get st arte d.   e.   Wek a :  i t  is  use fu l  if  we   al re ady  h o l d  data  with  each  data   po i nt  h o l ding   a  featur e  vector,  then   we  ca n  em pl oy   t h is  to o l  f or  cl us te ri ng  our  data.  Hel pful  if  we   al s o  h o l d  t he  go l d  pr e dicte d  outp uts  f or  our   data,  we   ca n bu il d cl assifi ers.  Sim pl e   to  em pl oy   G UI   acce ssible   a nd h i gh ly  c onfi gura ble.   f.   G at e :  i t  is  ad van ta geous  if  we   wa nt  to  cr eat e   a  pip el ine.  Dev el opers   con tri bu te   la ngua ge  analy s is  m od ules  for  va rio us   la ngua ge s  that  are  a va il able  to  be  use d  pl ugge d  int o  yo ur   pip el in e.  Help f ul  if  you  hav e  a  ne w  ap proac h,   yo u  ca n  w rite   a  cust om iz ed  m od ule  in  JA VA   a nd  plug  it   into  the   pip el ine ,  an d    a com plete  syst e m  w il l be obt ai nab le .   As  a  c on cl us io n  of  this  par t,  each  li br a ry  ha s  it s  adv a ntage s  to  A NLP   Tas ks ,  a nd  eac h  one  wa s  buil t   to m eet  the r es earche r ' s purposes.  Our  in fe re nce  raises tw o m ai n  par ts  :   a.   The  first  on e   is  to  do   with  A NLP   pr ogram m ing   la nguag e s   Pyt ho n   a nd   J ava,  w hich  ar e   ver y  popula r  in   the  A NLP   dom ai n .  Howe ve r,   we  reco m m end   P yt hon  be cause  it   is  le ss  com pl ic at ed   t han   Ja va,   it   ha s  po we rful   and  va luable   A N LP  li br aries  c om par ed  to  J ava ,   an d  T hroug h  our  co m par at ive  stud y,     we  c on cl ud e   that  the  m os t  va luable,  r obus t   an d  us e d  ASA  Li br a ries  ( N LTK,  Ge ns im ,   an d   Te xtBl ob )  belo ng  to  Pyt hon  pro gram m i ng  la ngua ge.  F or   t his  reas on,  we  will   adopt  P yt hon  in  orde r  to  acc om plish   our  A S A  resea rch p roject easi ly  an d pe rf ect l y.   b.   The  s ec ond  point  r el at es  to   A NLP   li brar ie s ,   w hich  a r e  al l  ver y  use fu l.  H ow e ve r ,  acco r ding  to     the   li te ratur e   a nd  la rge  va riet y  of   powe rful  and  sig nifican t   w orks  in   the  do m ai n  of  A S A ,   we  c oncl ud e  that   the  NLT K ,   Gensi m ,  and   TextBl ob   li bra r ie s  are   the  m os t  us e d  f or   P yt ho n  ASA  ta sk   beca us e  they   hav e   num ero us  ad van ta ges  c om par ed  to  o t he r  A NL P  li br a ri es .  A s  f or  the  Java  A SA   to ol s ,  we   fin d  t hat  W eka   an d  C oreNLP   to ols   are   the m os t  us e d and  fam ou s,   an d  they   ha ve gre at  r esults i n  thi s f ie ld .       5.   C O NC L US I O N   Be cause  of  th ei r  popula rity   and   la r ge  ab unda nce  in  li braries  for  the  AN L P  dom ai n,   we  se le ct ed     Java   a nd  Pyt hon  pr ogram m i ng  la ngua ges   in  our  c om par a ti ve  stu dy.   In  this  wo rk ,  we  de scribe d  a   va riet y  of   AN L P  to ols   w hich  a re  co ns i der e d  as   the   m os t  po we rful   an d  us ed .  H oweve r,  ther e  a re  oth er   to ols   in  ot her   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Diff erent val uable to ols   for  ar ab ic   sentime nt  analysis:   a co mpar ative  eval ua ti on   ( Y oussr a  Z ahidi )   759   pro gr am m ing   la nguag e s  that   al so   co uld   be   ver y  hel pful   and   us e fu l .  Be sides ,  we  ha ve  trie d  to  e valuate    the  va rio us   li brar ie s   usi ng se ve ral aspects  and m ulti ple crite ria.     It  can  be  de duc ed  that  each  pr ogram m ing   la ngua ge  ha s  it s  ben efit s  an d  ad va ntages ,  each  li br ary  al so   has  it s  char act erist ic s  fo r  A NLP   ne w   ta sks ,   and   eac h  one  was  buil t  t o  m ee t  the  research e r ' s  pu r po s es .   Ther e f or e,  it   is  tou gh   to  sel ec t  the  best  Ar ab ic   NLP   li br ari es  becau se  the re  is  no t  only   on e  si ng le   asp ect   or  crit erion  t o do   this.  The se le ct ion   of  t he  m os t  su it able li br a ries d e pends on   the r esea rch   proj ect  a nd   w hic h  pa r t   of   the  ANLP  fi el d  is  con ce rn e d.   F or   this  rea s on,  we  reli ed  on  our  w ork ,  w hich  de al s  with   the  do m ai n   of   ASA  in or der  t o  sel e ct  it s  m os t po te nt   an d use fu l l i br a ries  with ea se.       APPE ND I X       Table  4 .  N LP   Libra ries '   Com par is on   Variable   Ch arac teristics   Su p p o rted trea t m e n ts   NLT K   (Py th o n )   -   It  is th e  "orig in "  o f  all  N LP  lib ra ries.     -   Ver y  go o d  f o r  th e de - f acto  stan d ard for  v ariou s NLP  t as k s  an d  edu catio n al pur p o ses .   -   It  o f f ers an exten sib le,  si m p le,  un if o rm  f ra m ewo rk f o r  p rojects ,  class  de m o n stratio n s, and  assig n m en ts.  It  is  we ll  d o cu m en ted ,  si m p l e to learn,  and  eas y  to ap p ly .     Accessin g  corp o ra,  string  pro cess in g ,  co llectio n   d isco v ery ,  to k en izatio n ,  ste m m in g ,  P OS  tag g in g ,  ch u n k in g ,  na m ed  entities   id en tif icatio n ,  se m an tic inte rpreta tio n ,  class if icatio n ,  p rob ab ility  esti m at io n ,  ev alu atio n   m e trics,  trans latio n ,  d ep en d en cy  parsin g ,   au to m a tic  su m m a rization ,   se n ti m en t analysis ,   l an g u ag e  m o d elin g ,  t witter  pro cess in g ,  lo g ical se m an tics.   Gen si m   (Py th o n )     -   A   su b ject  m o d elin g   to o lk it i m p le m en ted  in   Py th o n .   -   It  ap p lies  SciP y ,  op tio n ally   Cytho n ,  an d   Nu m Py   f o r  p erfo r m an ce.     -   Scalab ility   -   Ver y   ef f icien t i m p l e m en tatio n s   -   Co n v erter s &   I/O  f o r m ats   -   Fast:  Ro b u st   -   Si m ila rity q u eries   -   Gen si m  w as o rigin ally  des ig n ed  f o r  esti m atin g  do cu m e n t si m ilarit y ,  and  t h is  f eatu re  is th e  m o st  so p h isticated  of  th e  p ackag e.   -   Evo lu tiv e statistical se m an tics;   -   An aly ze  plain - tex t  d o cu m en ts f o r  se m an tic  stru ctu re;   -   Reco v er  se m an tic a lly  si m ilar  do cu m e n ts;   TextB lo b   (Py th o n )       Exa m p les o f  NL P   TextB lo b  Quick start us e ca ses :   -   Sen ti m en t Anal y si s   -   Sp ellin g  Co rr ectio n   -   Tr an slatio n  and  L a n g u ag e   Detectio n   Tok en izatio n ,  NE R, POS ,  class if icat io n ,  sen ti m en t  an aly sis ,  parsin g ,  sp ellch ec k ,  lan g u ag e detectio n ,  an d  tr an slatio n     Co reNL P   (Jav a)   -   An  integ rated NL P  too l with a wide  r an g e of  gra m m a r  an aly sis  too ls;   -   A r o b u st an n o tato r  f o r  arbitrar y  t ex ts,  widely  app lied  in  p rod u ctio n ;   -   A r eg u larl y  up d ate d  pack ag e,  with   th e hig h est q u ality  te x t  an aly tics su p p o rt  f o r  sev eral  m ajo r  ( h u m an )  lan g u ag es;   -   Av ailab le API s  f o r  m o st sig n if ican t new p rog ra m m i n g   lan g u ag es;   -   Ab ility  to   run  as a n  easy   web  service .   Sen ti m en t anal y sis ,  in f o r m atio n  extra ctio n ,  n a m ed  entity  r ecog n itio n ,  p art - of - sp eech  tag g in g ,  co - referen ce r eso lu tio n  sy ste m ,   p arsin g ,  b o o tstrap p ed  pattern  lear n in g   W ek a   (Jav a)     -   Po rtable and  si m p l e to ap p ly .   -   Ad ap ted  to  m ak e n ew wa y s to   m achi n e lear n in g  des ig n s   -   Latest t rend s in  ar t if icial intellig en ce   -   Free  o n lin e cou rse s av a ilab le   -   Extre m e ly  r eso u rc ef u l bo o k s an d  pub licatio n s av ailab le   -   Hig h ly  edu cated, s k illed  and  co m m itt ed  pro f ess o rs   Sen ti m en t Anal y si s d ata prepro cess in g ,  clu sterin g ,  regressi o n ,  class if icatio n ,   v isualization ,   an d   f eatu re  selectio n .   Gate   (Jav a)   -   SEAS   (Gate  plu g in ):  is a set  of  pro cess in g  and  linguis ti c  reso u rces,  w ritten i n  Jav a,  d ev elo p ed  to run  s en ti m en t an d   e m o tio n  analysis o v er  tex t us in g   th e  GATE   p latf o r m .   Becau se o f  the n atu re  o f  GAT E ,  th e t ex t f o r m at sh o u ld  be  p lain  or XM L.   The  sen ti m en t anal y sis   m o d u les are  exec u ted   in  e m b ed d ed  ins id e SE A S.   -   SAGA  (Senti m en t  an d  E m o tio n  Anal y sis  integ rated in to   GATE )  is  a set of   p rocess in g  and  lin g u istic reso u rces,  written in  Jav a,  dev elo p ed  to run  sen t i m en t and  e m o tio n   an aly sis  ov er  tex t  u sin g   th e  GATE   p l atf o r m .  SA GA is   d istr ib u ted  as a  G ATE  plu g in .   Sen ti m en t anal y sis ,   in f o r m atio n  extra ctio n ,  p art - of - sp eech tag g in g ,   s en ten ce seg m en ta tio n ,  n a m ed  entity  r ecog n itio n ,  to k en izatio n ,  co - referen ce   tag g in g ,        REFERE NCE S   [1]   N.  S.  Redd y ,   B.   Praba devi,  and   B.   Dee p a,   "H ear t  rate  en ca psula t ion  and  respons e  tool   using  sen t iment  anal y s is,"   Inte rnational   Jo urnal  of El e ct ri c al  and  Comput er  Engi n ee ring   ( IJE CE) ,   vol .   9 ,   no .   4,   pp.   2585 – 259 2,   Aug.   2019.   [2]   K.  V.  Ghag  and  K.  Shah,   "Conce ptua l  senti m ent   ana l y sis m odel , "   Inte rnational   Jo urnal  of  El ec tri c al  and  Computer  Engi ne ering  ( IJ ECE ) ,   vol .   8 ,   no .   4,   pp.   235 8 – 236 6,   Aug.   2018.   [3]   A.  Fargha l y   and   K.  Shaal an,   "A rab ic   na tura l  l an guage   proc essin g:  Chal le ng es  and  soluti ons,"  ACM  Tr an s.  Asian  Lang.  Inf. P roc e ss . ,   vol .   8 ,   no .   4 ,   pp.   1 – 22 ,   De c. 2 009.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    75 3   -   76 2   760   [4]   H.  Abdelna ss er  et   al . ,   "A l - Ba y a n:  An  Arabi c  Q uesti on  Ans weri ng  S y stem  for  th e  Hol y   Quran , "  i n  Proceedi ngs  o f  the   EMNLP  201 4  Workshop on Arabic   Na tural L anguage  Proces sing ( ANLP ) ,   pp.   57 – 64 ,   2014 .   [5]   W .   Baka ri,   P.  Bel lot,  and  M.  Neji ,   "A QA - W ebC orp:  W eb - base d  Fact ua l  Questions  for  Arabi c, "  Proce dia  Comput .   Sci . ,   vo l. 9 6,   pp.   275 – 284,   2016 .   [6]   Y.  Za hidi,  Y.  El   Younous si,  and  C.   Azroum ahl i,   "Com par at ive   St ud y   of  the   Mos t  Us efu l  Arabi c - supporting  Natur al   La nguag e  Proc e ss ing  and  Dee p   Learni ng   Li br ari es, "   in  2019   Inte rnat ional   Confe renc e  on   Optimizati on  an d  Appl ic a ti ons,   IC OA  2019 ,   2019.   [7]   H.  G.  Hass an,  H.  M.  Abo  B akr ,   and  I.  E.  Zieda n ,   "A   fra m ework  for  Arabi c   conce pt - le v el   sen ti m e nt  anal y s is  using   Senti cNe t, "  In ter nati onal  Journ al  of  Elec tri cal   and  Computer  E ngine ering   ( IJE CE) ,   vol.  8,   no .   5,   pp.   4015 – 402 2 ,   Oct.   2018 .   [8]   A.  Alrum ai h,   A .   Al - Sabbagh,  R.   Alsaba h,   H.   Kha rrufa ,   and  J.  B aldw in,   "S ent imen t  anal y s is  of  co m m ent s  in  social  m edi a, "  Inte rnat ional   Journal  of   El ectric al  and  Computer  Engi n ee ring  ( IJE CE) ,   vol.   10,   no .   6,   pp.   5917 - 5922,   Dec .   2020.   [9]   Y.  Al - Am ran i,   M.  La z aa r ,   and  K.  E.   El k adi r i,   " Senti m ent   anal ysis  using  superv ised  cl assifi catio n  al gorit hm s,"  i n   ACM  Int ernati o nal  Conf ere nce  Proce ed ing  S eri es ,   vol .   Par t  F12 94 ,   2017 .   [10]   Y.  Al - Am ran i,   M.  La zaar,   K.  E ddine ,   and  E .   L.   Kadir i,   "S ent ime nt  ana l y sis  using  h y brid  m et hod  of  support  vec tor   m ac hine   and  d ecision  tr ee , "  J .   Th eor.   App l. Inf.  T ec hnol . ,   vol .   9 5 ,   no.   7 ,   pp .   1886 - 1895  2018.   [11]   Y.  Al  Am ran i,   M.  La z aa r ,   and  K.  E.   E l  Kadir p ,   "Random   fore st  and  support  vector  m ac hine   b ase d  h y brid  appr oa c h  to  sent iment anal y sis , "   in   Proce d ia  Computer  S cienc e ,   vo l. 127, p p.   511 – 520 ,   201 8 .   [12]   Y.  Al  Am ran i,   M.  La z aa r ,   and  K.  E.   E l  Kadir i ,   "A   novel   h y bri d  cl assifi ca t ion  appr oac h  for  se nti m ent   an aly s is     of  te xt  do cume nt, "  Int ernati on al  Journal  of  El e ct rica l  and  Computer  Enginee ring   ( IJE CE ) ,   vol.   8,   no .   6,     pp.   4554 – 4567 ,   2018.   [13]   Y.  Al  Am ran i,   M.  Laza a r,   and  K.  E.  El  Kadir i ,   "Rec over y   of  t he  opini ons  thro ugh  the   spe ci f ic i ti es  of  do cumen ts  te xt , "  in  2019  In te rnational   Conf ere nce   on   Wireless   Technol ogies ,   Embe dded  an d  Inte l li gen t  Syst ems,  WITS  2019 ,  2019.   [14]   K.  Ewa n   and   E.  Lope r,  Natural   Language  Proc essing  wit h   Python ,   1st.   ed .   O ' Re il l y   M edi a ,   In c.,  2 009.   [15]   S.  Bird  and  E.   L oper ,   "N LT K:  T he  Natur a l  L ang uage   Too lki t , "  i n  Proce ed ings  of  the   ACL  Inte ra ct i ve   Post er  and  Demons trati on  S essions ,   2004,   p p.   214 – 217 .   [16]   N.  Madna ni ,   "G et ti ng   star te d  o n   nat ur al   la ngu ag e  proc essing  wit h  P y thon , "  Cros sr oads ,   vol.   13 ,   no.   4 ,   pp .   5 – 5 ,   2007.   [17]   The   The ano   De vel opm ent   Te a m   et   al . ,   " The a no:  A  P y thon  f ramework  for  f ast  computa ti on   of  m at hemat i c al  expr essions,"  Co RR ,   Ma y   2016 .   [18]   A.  Drozd,   A.  Gladkova ,   and  S.  Matsuoka,   "P y th on,   per form ance ,   and  nat ur al   l an guage   proc essing, "  in  Proceedi n gs  of  P yHP C  2015 :  5th  Workshop  on  Python  for  H igh - Pe rform anc e  and  S ci en ti f ic   Computing  -   He ld  in  conj un ct io n   wit h  SC   2015:  T he  Int ernati onal   Confe renc e  for   High  Pe rform an ce   Comput ing,  N et working ,   Stora ge  and  Analysis ,  pp.   1 – 10 ,   2015 .   [19]   T.   R ea d ,   E .   Bhr ce na ,   and  P.  Fa ber ,   "J av a  and   its   role   in  Natur al  La ngu age   Pro c essing  and  Ma c hine   Tra nsla ti on , "   Proc.   Ma ch. Tra nsl.  Summ it   V1 ,   pp.   224 – 231 ,   19 97.   [20]   A.  Pinto,   H .   G.  Olive ir a,   and  A.   O.  Alves,  "Com par ing  the   p er form anc e  of  d iff ere nt   NLP  tool k it s  in  form al  an d   socia l   m edi a   te x t , " i n   OpenA cc ess   Serie s  in  In formatic s ,   vol .   51 ,   pp .   31 – 316 ,   2016 .   [21]   C.   D.  M anni ng,   M.   Surdea nu ,   J.   Baue r,  J.  Fink el,   S.  J.  B et h ard ,   a nd  D.  Mc cl osk y ,   "The   St anf ord  CoreNL P  Natur al   La nguag e  Proc e ss ing  Tool kit,"  in  Proc ee dings   of  52nd  Annual  Me e ti ng   of  the  Association  for   Computati onal   Linguisti cs:  S yst em  Demons trati ons ,   pp.   55 – 60 ,   2014 .   [22]   A.  A.  Alia ne ,   H.  Alia n e,   M.  Z iane,   and  N.  Bens aou,   "A   gene t ic  al gorit hm   featu re  select ion  b ase d  appr oa ch  for   Arabi c  Sent iment  Cla ss ifi c ation, "   in  Proceedi ngs  of  IEEE/A CS  In t ernati onal  Conf e renc e  on  Compu te r  Syste ms   and  Appl ic a ti ons,   AI CCSA ,   2017 .   [23]   G.  Bada ro  et   al . ,   "EMA   at   Se m Eva l - 2018  Tas k  1:  Emotion  Mining  for  Ara bic , "  in  Procee dings  of  The  12 th  Inte rnational   W orkshop on  Sem anti c   Ev a luat ion ,   pp .   236 – 244 ,   2 018 .   [24]   M.  Alfonse  and  E. - S.  M .   E l - Hor baty ,   "O pini on  Mining  for  Arab ic   Di al e ct s  on   T witt er , "  E g ypt.  C omput.   Sc i.  J . ,   v ol.  42,   no .   4 ,   pp .   52 – 61,   2018 .   [25]   S.  Rosentha l ,   N.   Farra ,   and  P.  N akov,   "S emEva l - 2017  Ta sk  4:  Senti m ent   Ana l y s is  in  Twit t er, "  i n  Proce ed ings  of   the   11 th  Int ernat ional   Workshop  on  Semantic Eva luat ion  ( SemE va l - 2017) ,   pp.   502 – 518 , 2 017 .   [26]   L.   Al - Hor ai bi ,   M.  Badruddi n   K han,   and L. Al - Horai bi   Muham ma d  Badrudd in  K han,   "S en ti m ent   Anal y sis   of  Ara bi c   Twe et s Us ing   Se m ant ic   R esourc e s,"  Int. J.  Compu t.   In f. Sc i . ,   vol .   1 3,   no .   1 ,   2017 .   [27]   N.  El - Nagga r ,   Y.  El - Sonbat y ,   an d  M.  Abou   El - Nasr,  " Senti m ent   ana l y sis  of  m od ern   standa rd  Ara bic   and  Eg y ptia n   dia l ec t al Arabi c   twee ts,"   in  Proc ee dings o f  Comp uti ng  Conf ere nc e  2017 ,   vol .   201 8 - Janua ,   pp.   880 – 887 ,   2018 .   [28]   A.  Mourad  and  K.  Darwish,  " Subjec ti v ity   and   Senti m ent   Anal y sis  of  Moder n  Standa rd  Arabi c  and  Arab i c   Microbl ogs,"  in   Proceedi ngs  of   the  4th  Worksh op  on  Computat ional   Approa ch es  to  Sub je c ti v ity,   S ent im ent   an d   Soci al   Me dia   An aly sis ,   pp .   55 – 64 ,   2013 .   [29]   D.  G amal,   M.  Alfonse,   E. - S.  M.  El - Horbat y ,   and  A. - B.   M.   Sale m ,   "Twit ter  Benc hm ark   Data se t  for  Arabi c  Senti m ent   Ana l ysis,"  Mod.   Educ.   Comput.   S ci. ,   v ol.   1 ,   pp .   33 – 38 ,   2019.   [30]   H.  Mulki,   H.  Ha ddad,   M.  Grid ach,  and  I .   Baba oğ lu,   "Tw - StAR   at  Sem Eva l - 2017  Ta sk  4:  Senti m e nt  Cla ss ifi c ation   of  Arabi c  Twe ets , "  in  Proceedi n gs  of  the   11th   I nte rnational   Wo rkshop  on  Semanti c  Ev alua ti on  ( SemE val - 2017) ,  pp.   664 – 669 ,   20 17 .     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       Diff erent val uable to ols   for  ar ab ic   sentime nt  analysis:   a co mpar ative  eval ua ti on   ( Y oussr a  Z ahidi )   761   [31]   D.  Sulei m an  an d  A.  Aw aj an,   " Com par at ive   St ud y   of  W ord  E m beddi ngs  Mod el s  and  Their  Us age   in  Arabi c  L angua g e  Appl i ca t ions,"  in   ACI T 2018  -   19th   Int ernati onal   Arab  Confe renc e  on   I nformation  Tech nology ,   2019.   [32]   A.  A.  Altowa y a n  and  L.   Ta o,   " W ord  embeddings  for  Arabi c  senti m ent   anal y s is, "  Proc.   -   2016  I EE E  Int .   Conf.   Bi g  Data,   B ig  Data   2016 ,   pp .   3820 – 3825,   2016 .   [33]   A.  Barhoumi,   Y.  Estè ve,   C .   Aloulou,   and  L .   H.  Bel guit h ,   "D ocument  embeddings  for  Arabi c  Sentim ent   Anal y sis , "   in  Proc ee dings   o f  th e  F irst Confe renc e  on   Langua ge  Proc essing  a nd  Knowle dg e Manageme nt ,   20 17,   vol .   1988 .   [34]   A.  Aziz   Altowa y an  and  A.  El n a gar ,   "Im proving  Arabi c  senti m en t  ana l y sis  with  senti m ent - spe ci fi c  embeddings, "  in   Proce ed ings  -   2 017  IEEE  In te rn ati onal  Con fe ren ce   on   B ig  Data ,   Bi g  Data   2017 ,   vol.   2018 ,   pp .   43 14 – 4320 ,   2018 .   [35]   A.  M.  Ala y ba ,   V.  Pala de ,   M.  Engl and ,   and  R .   Iqba l ,   "Im pr oving  Senti m ent   Anal y sis  in  Ara bic   Us ing  W ord  Repre sent at ion , "   in  2nd  IEE E  I nte rnational   Wo rkshop  on  Arabic   and  Deriv ed  Script   Analysis  and  Re cognition ,   ASA R   2018 ,   pp.   13 – 18 ,   2018 .   [36]   S.  Medha ffa r,   F.  Bougare s,  Y.  Estè ve ,   and  L.   Hadri ch - B elguith,   "S ent im e nt  Anal y sis  of  Tuni sian  Dialec ts:   Li nguisti c  Ress ourc es  and  Exp eri m ent s,"  in  P roce edi ngs  of  t he  Thir d  Arabi c  Natural  Lang uage  Proce ss ing   Workshop ,   pp.   5 5 – 61 ,   2017 .   [37]   A.  El - Ki la n y ,   A .   Azz am,  and  S.   R.   El - Be ltag y ,   "U sing  dee p  n e ura l  n et works   fo r  ext r ac t i ng  sen t iment  t arg et s  in  ara bi c  tw ee ts,"   i n  Studies i n   Computati onal   Int el l i genc e ,   vo l. 740,  Springer  Verl ag, pp. 3 – 15 ,   2018 .   [38]   K.  H.  Manguri ,   R.   N.   Ramadh an,   and  P.  R .   Moham m ed  A m in,   "Twit t er  S ent iment  An alys is  on  W orldwide   COV ID - 19  Outbre aks, "  Kurdis ta n  J. A pp l. R es . ,   p p.   54 – 65 ,   Ma y   2 020.   [39]   R.   Yada v   and  N.  Sharm a,   "A n aly s is  of  Br and  Value   Pred ic t io n  base d  on   Soci al   Medi a  Da ta,"  Int.  Re s .   J .   En g.   Technol . ,   vo l. 06 ,   no .   08 ,   pp .   127 4 – 1278,   2019 .   [40]   Z.   Nass r,   N.  Sae l,   and  F.  Ben abb ou,   "A   compara t ive   stud y   of  sent iment  ana l y sis a pproa che s,"  in  A CM  Inte rnationa l  Confe renc e  Pro c ee ding   Serie s ,   2 019.   [41]   K.  Dashtipour,   A.  Hus sain,   Q.  Zhou,   A.  Gelbu kh,   A.  Y.  A.  Ha wala h,   and  E .   Cambria,   "P erSe n t:   A  fre ely   a va ilabl e   per sian  senti m e nt  le xi con, "  in  L ec ture  Not es  in  Computer  Sci en ce   ( inc ludi ng  su bseries  Lect ure  Note s  in  Arti f ici al   Inte lligen ce and L ec ture  No te s in   Bi o inf orm ati cs) ,   vol. 10023 LNA I,   pp.   310 – 320 ,   2016 .   [42]   V.  Agarwal ,   P.   Aher,   and  V.   Sa want,   "A uto m ated  As pec t   Extra ct ion   and  As pe c t  Orien te d  Sen tim ent   Anal y sis  o n   Hotel   Review  Data sets, "  in  Pr oce ed ings  -   2018  4th  Inte rnatio nal  Confe renc e   on  Computing,   Comm unic ati o n  Control  and  Autom ati on,   ICCUB EA   2018 ,   2018 .   [43]   S.  M.  Alza nin  and  A.  M.  Azm i,   "Rum or  d et ec t ion  in  Arabi c  twee ts  using  sem i - supervise d  and  unsupervise d   expe c ta t ion – m axi m iz at ion , "  Kn owle dge - Based Syst. ,   vol .   185 ,   p .   104945 ,   De c. 2 019.   [44]   N.  Albadi,  M.  Kurdi,   and  S.   Mishra,   "H at efu l  people  or  h ateful   bots ?   D et e ct ion  and  ch aract er iz a ti on  of  b ots   sprea ding  re li gi ous  hat red   in  A rab ic   soc ia l   m edi a, "  Proc.   ACM  Hum an - Com pute r  Inte rac t. ,   vol.   3,   no.   CS C W ,     pp.   1 – 25 ,   Nov.   2 019.   [45]   R.   Baly ,   H.  Haj j ,   N.  Haba sh,  K.  B.   Shaban,   and  W .   El - Hajj,  "A   senti m ent   treeba nk  and  m orphologi call y   enr i ched  rec ursive   dee p   m odel s  for  eff e ct iv e  senti m en t  ana l y sis  in   Arab ic , "  ACM  Tr ans.  Asian  Low - R e sour ce   Lang.  In f.   Proce ss . ,   vol. 16 ,   no .   4 ,   p .   23   (21   page s) ,   Jul.   201 7 .   [46]   R.   Eskand er  an d  O.  Rambow ,   "S LSA:  A  Senti m ent   Le xi con  f or  Standa rd  Ar a bic , "  in  Proc ee d ings  of  th e  201 5  Confe renc e  on   E mpirical   M et hod s in  Natural   Language  Proc essing ,   pp .   2545 – 255 0 ,   2015 .   [47]   A.  Mahm oud  a nd  T.  E lgha z aly,  "U sing  twi tt er   to  m onit or   p ol it ical   senti m ent  for  Arabi c   slan g, "  in   Studies  i n   Computati onal I nte lligen ce ,   vol .   740,   Springer   V erl ag ,   pp .   53 – 66 ,   2018 .   [48]   M.  A.  Sghaie r  and  M.  Zri gui,   "S ent iment  ana l y sis  for  Arabi c   e - comm erc e  website s,"  in  Pro ce ed ings  -   2016  Inte rnational   Co nfe renc e  on   Eng ine ering   and  MI S,   ICEMI S   2016 ,   2016.   [49]   N.  F.  Bin  Hath lian  and  A.  M.  H afe zs,   "S ent imen t  -   Subjective   an aly s is  fra m ework  for  Arabi c  soc ia l  m edia  posts,"   in  2016  4 th  Saud i  Int ernati onal   C onfe renc e  on   Inf orm ati on  Techn ology   ( Bi g   Data  Anal ysis) ,   KACS TIT   2016 ,   2016.   [50]   R.   Bouchlaghem ,   A.  El khe li fi ,   a nd  R.   Fai z,   "S e nti m ent   an aly sis   in  ar abi c   twitte r  posts  using  supervise d  m et hod s  with  combined  fea tur es, "  in  Lec ture  Note s  in  C omputer  Sci en ce  ( inc ludi ng  subs erie s  Lect ure  N ote s  in  Artificial   Inte lligen ce   and  Lect ure  No te s in   Bi o inf orm ati cs) ,   vol. 9624 LNCS ,   pp.   320 – 334 ,   2018 .   [51]   S.  Al - Saqqa,   N.  Obeid,   and  A.  Aw aj an,   "S ent i m ent   Anal y sis  for  Arabi c  Te xt   using  Ensembl e  Le arn ing, "  i n   Proce ed ings  of  IEE E/ACS  Inte rn ati onal  Confe r e nce   on  Compute r  Syste ms   and  A ppli cations,  AIC CSA ,   vol.   2018 - Novem ber ,   2019 .   [52]   J.  O.  Atoum   an d  M.  Noum an,   " Senti m ent   anal ysis  of  Arabi c  Jo rda nia n  di al e ct   t wee ts,"  Int.   J.   A dv.   Comput.   Sc i .   Appl . ,   vo l. 10, n o.   2 ,   pp .   256 – 26 2,   2019 .   [53]   B.   Haida r ,   M.  Chamoun,  and  A.  Serhrouc hni,   "M ul ti l ing ual   c y ber bu lly i ng  det ection  sy stem:  Det ec t in g  c y b erb ul l y ing  in   Arabi c   content , "  in  2017  1st  C ybe r  Se curit y   in   Net working   Co nfe renc e,  CSNet  2017 ,   vo l.   2017 - Janua r y ,   pp.   1 – 8 ,   2017 .   [54]   M.  Abdulla h,   M .   Hadz ik adi c y ,   a nd  S.  Shaikhz ,   "S EDAT:  Senti m ent   and   Emotion   Dete ction  in  Arabi c  T ext   Us ing   CNN - LSTM  Dee p  Learni ng , "  in   Proce ed ings  -   17th  IEEE  Int ernati onal  Conf ere nce   on   Mac hin e  Learning  and   Appl ic a ti ons,   IC MLA  2018 ,   pp.   8 35 – 840 ,   2019 .   [55]   S.  Alhum oud,   T.   Albuhai r i,   a nd  M.  Altuwai j ri,   "A rab ic   sent iment  a naly sis  using  W EKA   a  h y brid  learni n g   appr oac h , "  in  I C3K  2015  -   Pr oce ed ings  of  th e  7th  In te rnatio nal  Joi n t  Conf e renc e  on  Know l edge   Disco ve ry ,   Knowle dge   Enginee ring a nd   Kno wle dge   Manage ment ,   vo l. 1, pp.  402 – 408 ,   2015 .   [56]   T.   El gh azal y ,   A.  Mahm oud,   and  H.  A.   Hefn y ,   "P oli ti c al   senti m ent   an aly s is  using  twit te r   dat a, "  in  AC M  Inte rnational   Co nfe renc e Proce e ding  Seri es ,   vo l.  22 - 23 - Marc h ,   pp .   1 – 5 ,   2016 .   [57]   S.  R.   El - B el t ag y,   T.  Khalil,   A.  Hala b y ,   and  M.  Ham m ad,   "Combini ng  le x ical  f e at ure s  and  a  sup erv ised  l ea rnin g  appr oac h  for  arabic   senti m ent   an aly s is,"  in  Lect u re  Note s  in  Computer  Sci en ce   ( inc ludi ng  subs eri es  Lect ure  Note s   in  Artifi ci al   Int ellige n ce   and   Lec t ure  Note s  in Bi oi nformatic s) ,   vol. 9624  LNCS,   pp.   307 – 319 ,   2018 .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y  2021  :    75 3   -   76 2   762   [58]   A.  Am ja d  and  U.  Qam ar,   "U AMSA:  Unifie d  app roa ch  for  m ult ili ngual   senti m ent   ana l y sis  using  GA TE , "  in  ACM   Inte rnational   Co nfe renc e Proce e ding  Seri es ,   pp .   1 – 5 ,   2019 .   [59]   M.  A.  Jerbi,   H.  Achour,   and  E .   Souis si,  "S ent iment  Anal y sis  of  Code - Sw it che d  Tuni sian  Dia lect :  Expl oring  RN N - Based  T ec hni qu es, " i n   Comm unic ati ons  in  Comp ute r and  In formation  S ci en ce ,   v ol.   1108 ,   pp .   122 – 131 ,   2019 .   [60]   F.  Am iri ,   S.   Sce rri,   and  M.   H.  Khodashahi ,   " L exi con - ba sed  se nti m ent   ana l y sis   for  Persian   t ext,"  in  Inte rnat ion al  Confe renc e  R ece nt  Ad vanc es   in  N atural  Language   Proce ss ing, RA NL P ,   vol .   2015 - Jan. ,   pp.   9 – 16 ,   2 015 .       BIOGR AP HI ES OF  A UTH ORS       You ss ra  Z ahid i   is  a  Ph . D.   st udent   in   Com pute r  Sci ence,   In form at ion  S y st e m ,   and  Softwar e  Engi ne eri ng  L a bora tor y ,   Abde l m al ek  Essaa di  Univer sit y ,   Te tu an,   Morocc o .  Sh e  is  a  Com pute r   Scie nc es  engi ne er,   gra du ated  in  201 7   from   the   Nati ona l  School   of  Applie d  Science s,   Abdelmal e k  Essaa di  Univ ersi t y .                 Yacine   El  You n ous si   is  a  Ph . D.   doct or  and  prof e ss or  of  computer   scie nc es  at   th e  Nati ona l  School  of  Applie d  Sc i enc es  of  Te tu a n,   Inform at ion  S y stem  and  So ftwa re  Engi ne er ing  La bor at or y ,   Abdelmale k  Ess aa di  Univ ersity ,   Te tu an,   Moroc co .   He  is  a  supe rvisor  of  m an y   The s is ,   and  h e  i s  par t  of   m an y   bo a rds of  interna ti o nal   journa ls   and int ern at ion al   con fer ences.                 Yas sin e  Al - Am rani   is  a  Ph . D.   doct or  and  profe s sor   of   Com pute r   Scie nce s  a t  the   Multi disci p li n a r y   Facul t y   of  L ar ac he ,  Abdem al e k  Essaa di  Univ ersity ,   Moroc co .  He   is  a  Com pute r  Scie nc e s   E ngineer ,   and   h e   is pa r t  of   m an y   boar ds of  I n te rn at ion al   J ourna ls  and  I nt ern a ti ona l   C onfe ren ce s .     Evaluation Warning : The document was created with Spire.PDF for Python.