Sentiment Analysis of IMDb Movie Reviews Using Deep Learning

هذا المشروع يركز على تحليل المشاعر لمراجعات الأفلام على IMDb باستخدام تقنيات معالجة اللغة الطبيعية (NLP) المتقدمة ونماذج التعلم العميق. الهدف هو تصنيف المراجعات إلى إيجابية أو سلبية بناءً على المشاعر النصية، مستفيدًا من الهياكل العميقة مثل الشبكات العصبية البسيطة (SNN)، والشبكات العصبية التلافيفية (CNN)، والشبكات الذاكرة طويلة المدى (LSTM).

الميزات الرئيسية:

معالجة البيانات وتحضيرها:

• تم تحميل وتنظيف مجموعة بيانات كبيرة من مراجعات الأفلام على IMDb.

• تم إزالة الوسوم HTML، وعلامات الترقيم، والأرقام، والكلمات التوقفية باستخدام تقنيات NLP.

• تم تحويل النصوص إلى رموز وتعبئتها لتكون متوافقة مع التعلم العميق.

تمثيلات الكلمات:

• تم استخدام تمثيلات GloVe (تمثيلات الكلمات العالمية) المدربة مسبقًا لتعزيز فهم النموذج لمعاني الكلمات.

• تم إنشاء مصفوفة تمثيلات الكلمات لتحسين تمثيل النصوص.

النماذج العميقة المنفذة:

• الشبكة العصبية البسيطة (SNN): تم استخدام طبقة تضمين تليها طبقة مسطحة وطبقة كثيفة لتصنيف المشاعر.

• الشبكة العصبية التلافيفية (CNN): تم تطبيق طبقة تلافيفية 1D لاستخراج الميزات، تليها طبقة التجميع القصوى العالمية لتصنيف المشاعر

بشكل فعال.

• نموذج LSTM: تم تصميمه لالتقاط التبعيات السياقية في المراجعات، مما حقق دقة عالية في التنبؤ بالمشاعر.

تدريب وتقييم النموذج:

• تم تدريب النماذج على تقسيم 80:20 من مجموعة البيانات، مع تحسينها باستخدام خسارة الانتروبيا الثنائية والمُحسن آدم (ADAM).

• تم تقييم الأداء باستخدام دقة النموذج، ورسوم بيانية للخسارة، وتقييم مجموعة الاختبار.

• تم تحقيق دقة تزيد عن 86٪ مع نموذج LSTM على البيانات غير المرئية.

التطبيقات العملية:

• تم اختبار النموذج على مراجعات IMDb غير المرئية حديثًا، مما يوفر درجات المشاعر.

• يتم عرض المشاعر المتنبأ بها على مقياس من 0-10، مما يوفر تحليلًا دقيقًا للقطبية في المراجعات.

التقنيات المستخدمة:

• لغات البرمجة: بايثون

• المكتبات: TensorFlow، Keras، Pandas، NumPy، Scikit-learn، NLTK، Matplotlib.

• تقنيات التعلم العميق: تحليل اللغة الطبيعية (NLP)، تمثيلات الكلمات، CNNs، LSTMs.

• تمثيلات الكلمات المدربة مسبقًا: GloVe (100d).

التطبيقات المحتملة:

• تحليل المراجعات الآلي للأفلام على منصات البث.

• تحليل المشاعر من تعليقات العملاء ومراقبة العلامات التجارية.

• دمج روبوتات الدردشة المدعومة بالذكاء الاصطناعي لتلخيص المراجعات.