Implicit emotion recognition in arabic text

dc.contributor.authorBOUTOUTA , Hanane
dc.contributor.authorLAKHFIF , Abdelaziz Supervisor
dc.contributor.authorMEDIANI , Chahrazed Co-Supervisor
dc.date.accessioned2026-11-16T10:36:03Z
dc.date.issued2026
dc.descriptionأصبح التعرف على المشاعر مهمة بالغة الأهمية في معالجة اللغات الطبيعية والحوسبة العاطفية، مدفوعةً بالزيادة السريعة في المحتوى الرقمي الغني بالمشاعر والطلب المتزايد على أنظمة قادرة على فهم المشاعر الإنسانية. وبينما شهد اكتشاف المشاعر الصريحة تقدماً ملحوظاً، لا يزال التعرف على المشاعر الضمنية - تلك المستنتجة من السياق - مجالاً غير مستكشف إلى حد كبير، لا سيما في اللغات ذات الموارد المحدودة كاللغة العربية. تبحث هذه الأطروحة في التعرف على المشاعر الضمنية في النصوص العربية من ثلاثة جوانب: تطوير الموارد، واستراتيجيات النمذجة، والتنوع اللغوي. أولاً، نقدم مجموعة بيانات التعرف على المشاعر الضمنية في اللغة العربية (AIER)، وهي مجموعة بيانات عامة تتألف من آراء واقعية مكتوبة باللغة العربية الفصحى الحديثة ومصنفة وفقاً للأدوار العاطفية. نقوم بتقييم جودتها باستخدام أساليب التعلم الآلي التقليدية، والتعلم العميق، ونماذج اللغة المدربة مسبقاً، ونماذج اللغة التوليدية الكبيرة (LLMs)، مما يُظهر أن النماذج القائمة على المحولات السياقية تتفوق باستمرار على الأساليب التقليدية، في حين أن أدق الإشارات العاطفية الضمنية لا تزال صعبة الرصد. بعد ذلك، نقترح إطار عمل هجينًا يجمع بين ترميز المحول ثنائي الاتجاه ونمذجة الشبكة العصبية المتكررة المتسلسلة (RNN) لتحسين فهم المشاعر الضمنية في اللغة العربية. وقد تم تقييم النموذج على مجموعة جديدة من التغريدات العربية جُمعت خصيصًا لهذه الدراسة، وفي سيناريوهات تتضمن التعرف على المشاعر الضمنية والصريحة، تفوق النموذج باستمرار على أساليب التعلم العميق الرائدة. وبالمقارنة مع أحدث النماذج في مجال التعرف على المشاعر الصريحة، يحقق نموذجنا أداءً فائقًا، حتى عند تطبيقه على التعرف على المشاعر الضمنية. وأخيرًا، نقوم بتقييم القدرات العاطفية للنماذج اللغوية الكبيرة الحديثة من خلال قياس أدائها في مهمة التعرّف متعدد التسميات على المشاعر في اللهجة العربية الجزائرية، وهي لهجة منخفضة الموارد، وكذلك من خلال تقييم قدراتها على الاستدلال الضمني باللغة الإنجليزية في سياقات تغيب فيها المؤشرات المعجمية الصريحة. وتوفر هذه الدراسات مجتمعةً تقييمًا عابرًا للغات لقدرات في الفهم العاطفي. بشكل عام، تساهم هذه الأطروحة في تطوير معالجة اللغة الطبيعية العربية والحوسبة العاطفية من خلال تقديم موارد عامة جديدة وتقييمات مقارنة لنماذج النمذجة المختلفة، مما يوفر أساسًا تجريبيًا متينًا للبحوث المستقبلية حول التعرف الضمني على المشاعر.
dc.description.abstractEmotion recognition has become a critical task in Natural Language Processing (NLP) and affective computing, driven by the rapid increase in emotionally rich digital content and the growing demand for emotionally intelligent systems. While explicit emotion detection has advanced considerably, recognizing implicit emotions —those inferred from context— remains largely underexplored, especially for low-resource languages such as Arabic. This thesis investigates Implicit Emotion Recognition (IER) in Arabic text from three perspectives: resource development, modeling strategy, and linguistic diversity. First, we introduce Arabic Implicit Emotion Recognition (AIER), a publicly available dataset composed of real-world Arabic reviews written in Modern Standard Arabic (MSA) and annotated with emotion roles. We evaluate its quality using classical machine learning, deep learning, Pretrained Language Models (PLMs), and Large Language Models (LLMs), showing that contextualized transformer-based models consistently outperform traditional approaches, while nuanced implicit cues remain difficult to capture. Second, we propose a hybrid framework combining the transformer’s bidirectional encoding with Recurrent Neural Network (RNN)’s sequential modeling to better capture implicit emotion in Arabic. Evaluated on a newly compiled Arabic Twitter corpus under both implicit and explicit recognition settings, the model consistently out-performs established deep learning baselines. Compared to State-of-the-Art (SOTA) models for explicit emotion recognition, our model achieves superior performance even when applied to IER. Third, we assess the emotional capabilities of modern LLMs by evaluating their performance on multi-label emotion recognition in the low-resource Algerian Arabic dialect and by benchmarking their implicit reasoning abilities in English under settings where lexical cues are absent. Together, these studies provide a cross-lingual assessment of LLMs’ affective understanding. Over-all, this thesis advances Arabic NLP and affective computing by introducing new public resources and comparative evaluations across modeling paradigms, providing an empirical foundation for future research on implicit emotion recognition.
dc.description.sponsorshipLa reconnaissance des émotions est devenue une tâche essentielle du traitement automatique du langage naturel (TALN) et de l’informatique affective, portée par l’augmentation rapide des contenus numériques riches en émotions et par la demande croissante de systèmes capables de comprendre les émotions humaines. Bien que la détection des émotions explicites ait connu des avancées considérables, la reconnaissance des émotions implicites — celles qui sont déduites du contexte — demeure largement inexplorée, en particulier pour les langues à faibles ressources telles que l’arabe. Cette thèse étudie la reconnaissance des émotions implicites dans le texte arabe selon trois perspectives : le développement de ressources, les stratégies de modélisation et la diversité linguistique. Tout d’abord, nous présentons le corpus de reconnaissance implicite des émotions arabes (AIER), un jeu de données public composé d’avis réels rédigés en arabe standard moderne et annotés selon les rôles émotionnels. Nous évaluons sa qualité à l’aide des méthodes classiques d’apprentissage automatique, de l’apprentissage profond, des modèles de langue pré-entraînés et des grands modèles de langue génératifs (LLMs), en montrant que les modèles basés sur les transformeurs contextualisés surpassent systématiquement les approches traditionnelles, tandis que les indices émotionnels implicites les plus subtils restent difficiles à capturer. Ensuite, nous proposons un cadre hybride combinant l’encodage bidirectionnel des transformeurs avec la modélisation séquentielle des réseaux de neurones récurrents afin de mieux capturer les émotions implicites en arabe. Évalué sur un nouveau corpus de tweets arabes compilé pour cette étude, dans des scénarios de reconnaissance des émotions implicites et explicites, le modèle surpasse systématiquement les principales approches de référence en apprentissage profond. Comparé aux modèles de l’état de l’art pour la reconnaissance explicite des émotions, notre modèle atteint des performances supérieures, y compris lorsqu’il est appliqué à la reconnaissance des émotions implicites. Enfin, nous évaluons les capacités émotionnelles des LLMs en mesurant leurs performances en reconnaissance multi étiquette des émotions dans le dialecte algérien, une langue à faibles ressources, ainsi qu’en évaluant leurs capacités de raisonnement implicite en anglais dans des contextes où les indices lexicaux sont absents. Ensemble, ces études offrent une évaluation translinguistique de la compréhension affective des LLMs. Dans l’ensemble, cette thèse contribue à faire progresser le TALN arabe et l’informatique affective en introduisant de nouvelles ressources publiques et des évaluations comparatives de différents paradigmes de modélisation, fournissant ainsi une base empirique solide pour les futures recherches sur la reconnaissance des émotions implicites.
dc.identifier.urihttps://repository.univ-setif.dz/handle/123456789/4279
dc.language.isoen
dc.publisherSetif 1 University - Ferhat ABBAS , Faculty of Sciences
dc.subjectImplicit Emotion Recognition
dc.subjectAffective Computing
dc.subjectNLP
dc.subjectArabic
dc.subjectMachine Learning
dc.subjectDeep learning
dc.subjectTransformer
dc.subjectLarge Language Models Reconnaissance Des Émotions Implicites
dc.subjectInformatique Affective
dc.subjectTraitement Automatique du Langage Naturel
dc.subjectLangage Arabe
dc.subjectApprentissage Automatique
dc.subjectApprentissage Profond
dc.subjectGrands Modèles de Langue التعرف على المشاعر الضمنية، الحوسبة العاطفية، معالجة اللغة الطبيعية، اللغة العربية، التعلم الآلي، التعلم العميق، نموذج المحول، النماذج اللغوية الكبيرة
dc.titleImplicit emotion recognition in arabic text
dc.typeThesis

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
E-TH 2628 Implicit Emotion Recognition in Arabic Text BOUTOUTA , Hanane.pdf
Size:
7.62 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description: