تطوير محرك بحث ذكي لتوصيات الطعام باستخدام Streamlit و NLP

محرك بحث ذكي لتوصيات الطعام – Ultimate Foodie Finder

أنجزت هذا المشروع باستخدام لغة Python وإطار العمل Streamlit، حيث طورت واجهة تفاعلية جميلة وسهلة الاستخدام تساعد المستخدمين على البحث عن أفضل أماكن تناول الطعام اعتمادًا على ما يكتبونه من رغبات أو وصف للطعام.

️ المهام التي قمت بها:

صممت واجهة مستخدم جذابة باستخدام Streamlit، مع تخصيص CSS لإضفاء طابع مرئي حيوي ومريح مستوحى من عالم الطعام.

أنشأت نظامًا يتيح للمستخدم رفع ملفات نصية تحتوي على وصف مطاعم أو تجارب طعام، ثم يتم تحليلها تلقائيًا.

طبقت خطوات معالجة اللغة الطبيعية (NLP) شاملة:

تنظيف النصوص من الرموز.

حذف الكلمات الشائعة (Stopwords).

التوكين والتلميم (Tokenization & Lemmatization).

بنيت محرك بحث يعتمد على:

تحويل البيانات إلى تمثيل شعاعي باستخدام TfidfVectorizer.

مقارنة الاستعلام بالمحتوى باستخدام Cosine Similarity للحصول على أفضل النتائج.

أضفت نظام فلترة ذكي يتيح للمستخدم اختيار:

نوع المكان (مطعم، كافيه، بار، شاحنة طعام...).

الحد الأدنى للتقييم.

نطاق السعر (من $ إلى $$$$).

أظهرت النتائج في شكل بطاقات تفاعلية تحتوي على:

اسم المكان.

تقييم عشوائي رمزي.

بُعد رمزي.

نوع المكان ونطاق السعر حسب التصفية.

التقنيات المستخدمة:

Python

Streamlit

NLTK (للـ NLP)

Scikit-learn (TfidfVectorizer, cosine_similarity)

HTML + CSS داخل Streamlit

الفائدة:

هذا المشروع يُظهر قدرتي على الجمع بين التحليل الذكي للنصوص وتصميم واجهات تفاعلية، وهو مثال عملي على توظيف الذكاء الاصطناعي المبسط في تحسين تجربة المستخدم.