بحث: يستكشف هذا الورق البحثي تداخل مجال معالجة اللغة الطبيعية (NLP)، وبشكل خاص تحليل المشاعر واكتشاف السخرية، داخل مجال التعلم الآلي. يسلط الضوء على التحديات المترتبة عن اكتشاف السخرية بسبب طبيعتها الضمنية والتبعيات السياقية. يقدم الورق دراسة شاملة للمجال، بتنفيذ تحليل مقارن لدراسات متنوعة تتنوع من التعلم الآلي التقليدي إلى أساليب التعلم العميق المتقدمة. تشمل التحديات المحددة طبيعة السخرية الضمنية، وتأثير السياق، وصعوبات مجموعات البيانات ذات النصوص القصيرة، وتحدي اكتشاف السخرية والمشاعر في سياق متعدد اللغات، خاصة في اللغات ذات الموارد المنخفضة. يناقش البحث الحلول الابتكارية التي اقترحها الباحثون، متنوعة من التعلم الآلي التقليدي إلى أساليب التعلم العميق المتقدمة، مثل تحليل المشاعر على أساس الجوانب ونماذج المحول المتقدمة. تحقق الطريقة التي تستخدم تحويل الترميز الثنائي الاتجاهات (BERT) لتحليل المشاعر على أساس الجوانب نتائج استثنائية في درجات F1 على مجموعات البيانات من تويتر وريديت. يظهر الشبكات العصبية الاصطناعية بدقة لا تشوبها شائبة في اكتشاف السخرية داخل الرموز التعبيرية والنص. يحقق استخدام محول التبديل المعدل دقة ملحوظة على مجموعة بيانات ArSarcasm، مما يبرز فعالية آلية التحول الديناميكية لديه. بالإضافة إلى ذلك، يؤدي تضمين LSTM ذو الاتجاهين في تحسينات كبيرة في مهام تصنيف المشاعر والسخرية، كما يظهر ذلك في درجات F1 الملحوظة.