تحليل المشاعر في التغريدات العربية باستخدام Word2Vec والشبكات العصبية

الهدف:

يهدف هذا المشروع إلى بناء نموذج ذكاء اصطناعي قادر على تصنيف التغريدات العربية إلى إيجابية أو سلبية، باستخدام تمثيل الكلمات Word2Vec ونموذج شبكة عصبية اصطناعية (ANN).

الخطوات الرئيسية:

1. استيراد المكتبات وتثبيت الحزم اللازمة:

تم استخدام مكتبات مثل gensim, numpy, pandas, nltk, tensorflow, و keras لتحميل البيانات ومعالجتها وبناء النموذج.

2. تحميل البيانات:

تم تحميل مجموعتي بيانات تحتويان على تغريدات عربية مصنفة كموجبة وسالبة، ثم تم أخذ عينة متوازنة من كل فئة (2500 تغريدة موجبة و2500 سالبة).

3. تنظيف البيانات وتحليلها:

إزالة الرموز والأرقام من التغريدات.

استخدام nltk لتقطيع التغريدات إلى كلمات.

تنظيف الرموز الزائدة وتصفية الكلمات.

4. تحميل نموذج Word2Vec (AraVec):

تم تحميل نموذج "AraVec" المدرب مسبقًا على بيانات تويتر العربية. ثم تم استخراج المفردات وتمثيل كل تغريدة كمتوسط متجهات الكلمات المكوّنة لها.

5. إنشاء تمثيل BoW (اختياري):

تم تحويل التغريدات إلى تمثيل يعتمد على الحقيبة الكلمات (BoW) باستخدام CountVectorizer، بهدف المقارنة لاحقًا.

6. تمثيل التغريدات باستخدام Word2Vec:

تم استخدام دالة لحساب متوسط تمثيل Word2Vec لكل تغريدة بناءً على الكلمات المتوفرة في النموذج.

7. تصوير تمثيلات الكلمات:

تم تطبيق خوارزمية PCA لتقليل الأبعاد إلى 2D وتم رسم تمثيلات لبعض الكلمات باستخدام matplotlib.

8. بناء نموذج الشبكة العصبية (ANN):

طبقة إدخال تستقبل متجهات Word2Vec.

طبقة مخفية تحتوي على 4 خلايا عصبية (Neurons).

طبقة إخراج تحتوي على خليتين للتصنيف الثنائي (موجب/سالب).

9. تدريب النموذج:

تم تدريب النموذج باستخدام خوارزمية Nadam، مع استخدام EarlyStopping و ReduceLROnPlateau لتحسين عملية التعلم.

10. تقييم الأداء:

تم اختبار النموذج على بيانات الاختبار واحتساب دقة النموذج، الدقة الإيجابية، الاستدعاء، والـ F1-score.

النتائج المتوقعة:

بعد التدريب، يقوم النموذج بتوقع المشاعر (إيجابية أو سلبية) للتغريدات الجديدة بدقة عالية. النموذج يمكن تحسينه مستقبلاً بإضافة:

معالجة لغوية متقدمة (مثل التجذير).

استخدام نماذج أعمق أو تحويلية مثل BERT العربي.