sentiment and tone analysis of the holy qur'an using natural language processing

This article investigates sentiment and tone analysis of the verses of the holy qur'an using advanced natural language processing (nlp) techniques. by leveraging deep learning transformer models such as arabert and marbert, distinct models were designed and implemented for sentiment analysis (positive, negative, and neutral) and multi-label tone analysis. these models aim to identify emotional and tonal patterns within the sacred text of the qur'an. evaluation results demonstrate satisfactory accuracy and f1 scores in detecting these patterns. furthermore, an analysis of the qur'an's text reveals a balanced distribution of tones across its chapters (surahs). this research underscores the potential of nlp as a powerful tool for analyzing complex and multifaceted religious texts, paving the way for future studies in this domain.

تحلیل احساس و لحن قرآن کریم با استفاده از پردازش زبان طبیعی

این مقاله به بررسی تحلیل احساس و لحن آیات قرآن کریم با استفاده از تکنیک‌های پیشرفته پردازش زبان طبیعی (nlp) می‌پردازد. با بهره‌گیری از مدل‌های ترنسفورمری یادگیری عمیق، از جمله arabert و marbert، مدل‌های مجزایی برای تحلیل احساس (مثبت، منفی و خنثی) و تحلیل چندبرچسبی لحن طراحی و پیاده‌سازی شده است. هدف این مدل‌ها شناسایی الگوهای احساسی و لحنی موجود در متن مقدس قرآن است. نتایج ارزیابی نشان‌دهنده دقت و f1-score رضایت‌بخش در تشخیص این الگوهاست. افزون بر این، تحلیل متن قرآن حاکی از توزیع متوازن لحن‌ها در سوره‌های مختلف است. این پژوهش ظرفیت‌های پردازش زبان طبیعی را به‌عنوان ابزاری قدرتمند برای تحلیل متون دینی پیچیده و چندوجهی نشان داده و زمینه را برای مطالعات آینده در این حوزه فراهم می‌کند.