الهاجري، محمد عبداللهالمطيري، أمجاد رسمي عويض2023-05-0920207071https://hdl.handle.net/20.500.14154/28467Social media has become part of our daily life; it has become a global means of communication for the most. Twitter is a common communication channel and can be accessed and used easily by everyone. It can be employed inappropriately and could be having much of a negative effect on other people. One of the widely common negative effects is cyberbullying. Cyberbullying is a form of online bullying that embarrasses other people. To discover and classify cyberbullying, data mining and knowledge discovery techniques can be applied for this purpose. The ultimate goal of this dissertation is to discover and classify the Cyberbullying problem in Twitter's Arabic contents in Saudi Arabia. The two classification models obtained good results, and both can discover the negative and positive cases of cyberbullying. We used the lexicon-based approach by generating PMI (Pointwise Mutual Information) lexicon to help in tweets classification, also we used the Machine Learning approach named Support Vector Machine (SVM). Both methods evaluated, where the F-score of the first approach was 50% while the best performance of SVM after resampling dataset became 82%.أصبحت وسائل التواصل الاجتماعي جزءًا من حياتنا اليومية ؛ بحيث أصبحت وسيلة الاتصال العالمية معظم البلدان ولمعظم الناس تمثل تويتر قناة اتصال شائعة يمكن للجميع الوصول إليها واستخدامها بسهولة. يمكن استخدامها بشكل ايجابي ويمكن ايضاً استخدامها بشكل غير لائق ويمكن أن يكون له تأثير سلبي كبير عبر على الآخرين. يعد التنمر الالكتروني عبر الإنترنت أحد الآثار السلبية الشائعة على نطاق واسع. التسلط . الإنترنت هو شكل من أشكال التنمر عبر الإنترنت الذي يحرج الآخرين لاكتشاف التسلط عبر الإنترنت وتصنيفه، يمكن تطبيق تقنيات التنقيب في البيانات واكتشاف المعرفة لهذا الغرض الهدف النهائي من هذه الرسالة. هو اكتشاف وتصنيف مشكلة التنمر الإلكتروني في محتويات موقع تويتر باللغة العربية في المملكة العربية السعودية من خلال النتائج، حصل نموذجا التصنيف المقترحة في هذه الاطروحة على نتائج جيدة، ويمكن لكليهما اكتشاف الحالات السلبية والإيجابية للتسلط في التغريدات استخدمنا النهج القائم على الليكسكون من خلال إنشاء معجم نقاط المعلومات المتبادلة (PMI) للمساعدة في تصنيف التغريدات، كما استخدمنا نهج التعلم الآلي. تم إجراء التقييم لكلتا الطريقتين، حيث كانت درجة دقه النهج الأول متدنية بينما الثاني حقق أفضل أداء من الاول بعد إعادة تشكيل مجموعة البيانات ليصل الى 82%.91ar-SAThesis