تحسين أداء آلة المتجهات الداعمة باستخدام خوارزمية تحسين سرب الجسيمات لتصنيف النصوص العربية
DOI:
https://doi.org/10.65568/gujes.2026.020118الكلمات المفتاحية:
تصنيف النصوص العربية، آلة المتجهات الداعمة (SVM)، تحسين سرب الجسيمات (PSO)، معالجة اللغة الطبيعية (NLP)، تحسين المعلمات الفائقة.، تصنيف النصوص العربية، آلة المتجهات الداعمة (SVM)، تحسين سرب الجسيمات (PSO)، معالجة اللغة الطبيعية (NLP)، تحسين المعلمات الفائقة.الملخص
تُعدّ اللغة العربية لغةً بالغة التعقيد، وذلك لثرائها الصرفي الكبير، وتعقيدها اللغوي، وقلة الموارد المتاحة المصنفة بجودة عالية. في هذه الورقة، نسعى إلى معالجة هذه المعوقات من خلال اقتراح نموذج هجين جديد يجمع بين خوارزميتي SVM وPSO لتحسين تصنيف النصوص العربية. من المعروف أن خوارزميات SVM فعّالة في التصنيف، إلا أن أداءها يعتمد على إعدادات المعلمات الفائقة. تم تصنيف البيانات باستخدام خوارزمية SVM مع معلمات مُحسّنة (C، جاما، نوع النواة، ومجموعة الميزات الفرعية) بالاعتماد على تقنية PSO، وهي خوارزمية استكشافية قوية. تم تقييم النتائج التجريبية لنموذج SVM-PSO المقترح باستخدام مجموعة بيانات مُكوّنة من مصادر إلكترونية عربية مختلفة، تمثل سلاسل متعددة وتتناول فئات متنوعة مثل الأخبار (الرياضة، السياسة)، والتاريخ، والجغرافيا، وتقنية المعلومات. تُظهر التجارب أن الطريقة المقترحة لا تُحقق أداءً أفضل بكثير من الطرق المُقارنة فحسب، بل تُحقق أيضًا دقة تصنيف عالية (99.2%). كما تبين أن النموذج يتمتع بدقة (99.1%)، واستدعاء (99.0%)، ومقياس F (99.1%) أعلى بكثير مقارنةً بمصنفات التعلم الآلي التقليدية، وتحديدًا مصنف SVM القياسي (92%)، ومصنف Naive Bayes (88%)، ومصنف Random Forest (94%). أظهر هذا البحث أن الجمع بين البحث الاستدلالي لضبط المعلمات، إلى جانب التعلم الآلي الكلاسيكي، يُمكن أن يُنتج مصنفًا قويًا لمعالجة النصوص العربية، يُعد من بين أحدث المصنفات في مجال معالجة اللغات الطبيعية.
المراجع
[1] A. M. Alayba and M. Altamimi, “Optimization of Arabic text classification using SVM integrated with word embedding models on a novel dataset,” Int. J. Adv. Appl. Sci., vol. 12, no. 9, p. 1021833, 2025.
[2] Z. K. Abdalrdha, A. A. Kadhim, and A. Kadum, “Enhancing Fake News Detection via PSO-Optimized Ensemble Learning: A Comparative Study of SVM, NB, and RF,” Trait. du Signal, vol. 42, no. 1, 2025.
[3] M. A. Mosa, “Optimizing text classification accuracy: a hybrid strategy incorporating enhanced NSGA-II and XGBoost techniques for feature selection,” Prog. Artif. Intell., vol. 14, no. 1, 2025.
[4] T. M. Almutairi et al., “Open source Arabic research paper dataset for natural language processing,” Sci. Rep., vol. 15, p. 16647, 2025.
[5] E. Alnagi, “Boosting Arabic text classification using hybrid deep learning approach,” SN Appl. Sci., vol. 7, p. 7025, 2025.
[6] B. Shannaq, “Enhancing Arabic text classification through mobile virtual numeric encoding,” Decision Anal. J., vol. 14, p. 100161, 2025.
[7] M. Louail, “Dimensionality reduction in machine learning for Arabic text classification,” Univ. Setif 1 Repository, 2025.
[8] S. F. Abdhood et al., “Data augmentation for Arabic text classification: A review of recent trends,” PMC PubMed Central, PMC11935767, 2025.
[9] M. A. Ahmed, “Classification of Arabic language (Classical Arabic Poetry) using SVM and NLP,” EDRAAK J., 2025.
[10] Y. A. Alhaj et al., “A novel text classification technique using improved particle swarm optimization: A case study of Arabic language,” Future Internet, vol. 14, no. 7, p. 194, 2022.
[11] A. Al-Thwaiba et al., “Arabic text categorization: A comparative study of machine learning algorithms,” J. Comput. Sci., 2024.
[12] D. Tiwari, B. Nagpal, B. S. Bhati, M. Gupta, P. Suanpang, S. Butdisuwan, and A. Nanthaamornphong, “SPSO-EFVM: A particle swarm optimization-based ensemble fusion voting model for sentence-level sentiment analysis,” IEEE Access, 2024.
[13] M. Hijazi, A. Zeki, and A. Ismail, “Arabic text classification using hybrid feature selection method using chi-square binary artificial bee colony algorithm,” Int. J. Math. Comput. Sci., vol. 16, no. 1, pp. 213–228, 2021.
[14] K. M. Fouad, S. F. Sabbeh, and W. Medhat, “Arabic fake news detection using deep learning,” Comput. Mater. Continua, 2022.
[15] A. El Kah and I. Zeroual, “The effects of pre-processing techniques on Arabic text classification,” Int. J. Adv. Trends Comput. Sci. Eng., vol. 10, no. 1, 2021.
[16] H. T. Sadeeq and A. M. Abdulazeez, “Metaheuristics: A review of algorithms,” Int. J. Online Biomed. Eng. (iJOE), vol. 19, no. 9, pp. 142–164, 2023.
[17] Mamouni, M. E., Zennaki, M., & Sadouni, K. (2019). SVM model selection using PSO for learning handwritten Arabic characters. Computers, Materials & Continua, 61(3), 995–1008.
[18] E. M. K. Al-Awadly, A. I. Ebada, and A. M. Al-Zoghby, “Arabic handwritten text recognition systems: Challenges and opportunities,” Egypt. J. Lang. Eng., vol. 10, no. 2, 2023.
.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 مجلة جامعة غريان للعلوم الهندسية
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial 4.0 International License.
