Sarcasm Detection

في هذا المشروع، قمت ببناء Sarcasm Detection Model متقدم قادر على فهم العناوين الإخبارية وتحديد ما إذا كانت ساخرة أم لا، باستخدام تقنيات الـ NLP الحديثة.

​التحدي الأكبر في هذا النوع من المشاريع هو أن السخرية تعتمد بشكل كلي على السياق (Context)، ولذلك لم أستخدم الطرق التقليدية، بل اعتمدت على Deep Learning وتقنية Transfer Learning.

​كيف بنيت الـ Architecture؟

بدلاً من البدء من الصفر، استخدمت نموذج BERT (bert-base-uncased) الشهير من Google كـ Feature Extractor، وذلك لقدرته الهائلة على فهم اللغة وعلاقات الكلمات ببعضها.

​قمت بتجميد أوزان BERT (Frozen Weights) لاستغلال ما تعلمه مسبقاً.

​بنيت Custom Classification Head خاص بي باستخدام PyTorch يتكون من Linear Layers لعمل التصنيف النهائي.

​استخدمت Dropout Layers لمنع الـ Overfitting وضمان أن الموديل يعمل بشكل جيد على البيانات الجديدة.

​النتائج والأداء:

تم تدريب الموديل لمدة 10 Epochs، وحقق نتائج ممتازة أثبتت كفاءة الـ Architecture:

​Final Accuracy: وصلت الدقة إلى 84.08% على الـ Test Set (بيانات لم يرها الموديل أثناء التدريب).

​الأدوات المستخدمة (Tech Stack):

​Core: PyTorch, Hugging Face Transformers.

​Data Handling: Pandas, NumPy.

​Utils: Scikit-learn, Matplotlib.

​هذا المشروع يوضح قدرتي على التعامل مع نماذج اللغة الكبيرة (LLMs/Transformers) وتطويعها لحل مشاكل محددة بدقة عالية.