تصنيف التغريدات العربية

تصنيف التغريدات العربية باستخدام التعلم الانتقالي

نظرة عامة:

يهدف هذا المشروع إلى تصنيف التغريدات المكتوبة باللغة العربية باستخدام تقنيات التعلم الانتقالي (Transfer Learning) ونموذج Keras Sequential. يعتمد على نموذج مدرب مسبقًا لاستخلاص الميزات اللغوية، ومن ثم يُعاد ضبطه (fine-tuning) لتصنيف التغريدات إلى فئات محددة مثل المشاعر أو المواضيع.

مكونات المشروع:

البيانات:

مجموعة من التغريدات العربية المصنفة إلى فئات مثل "مشاعر إيجابية، سلبية" أو "مواضيع مختلفة"، وتتضمن عمودين أساسيين:

tweet: نص التغريدة.

label: الفئة التي تنتمي إليها التغريدة.

النموذج:

يعتمد النموذج على:

طبقة تضمين (Embedding Layer) مدربة مسبقًا لتحويل الكلمات إلى تمثيلات عددية (vectors).

طبقة LSTM لفهم التتابع الزمني للكلمات داخل التغريدة.

طبقة Dense نهائية لتحديد الفئة المتوقعة.

طريقة التعلم الانتقالي:

يتم تجميد طبقة التضمين في البداية للحفاظ على المعرفة المكتسبة.

تُدرب الطبقات الأخرى (LSTM و Dense) على مهمة تصنيف التغريدات.

في مراحل لاحقة يمكن إعادة تدريب طبقة التضمين لتكييف النموذج بشكل أفضل مع البيانات الخاصة.

التقنيات المستخدمة:

Python 3.x

TensorFlow / Keras

Pandas

NumPy

Scikit-learn

Matplotlib