NLP-Powered GUI Application (Sentiment Analysis, NER, Translation, Summarization)

قمت بتطوير تطبيق مكتبي بواجهة رسومية (GUI) باستخدام Tkinter يجمع بين أربع مهام أساسية في مجال معالجة اللغة الطبيعية (NLP) داخل أداة واحدة سهلة الاستخدام: تحليل المشاعر، التعرف على الكيانات (NER)، الترجمة الآلية (إنجليزي ↔ عربي)، وتلخيص النصوص. يعتمد التطبيق على خوارزميات تعلم الآلة والشبكات العصبية (LSTM, BiLSTM, Seq2Seq) لتقديم نتائج دقيقة وسريعة في الوقت الفعلي.

ساهمت في جميع مراحل المشروع بدءًا من إعداد البيانات وتنظيفها، مرورًا بـ تطوير النماذج وتقييمها، وحتى تصميم واجهة المستخدم ودمج النماذج داخل التطبيق. النتيجة كانت أداة عملية تمكّن المستخدم من تحليل النصوص وفهم مشاعرها، استخراج الكيانات المهمة مثل الأسماء والأماكن، إجراء ترجمة احترافية بين العربية والإنجليزية، وتوليد ملخصات مختصرة للنصوص الطويلة بشكل فوري.

Functionalities:

1. Sentiment Analysis

Input text → classify as positive, negative, or neutral.

Used ML algorithms (Logistic Regression, Naïve Bayes, SVM).

Selected the best-performing model for GUI integration.

2. Named Entity Recognition (NER)

Identifies people, locations, organizations within text.

Built using LSTM & BiLSTM models.

Preprocessing: text cleaning, padding, numerical encoding.

3. Machine Translation (English ↔ Arabic)

Implemented Encoder-Decoder LSTM architecture.

Translation process with teacher forcing for training.

Inference mode tested with unseen text → real-time translation.

4. Text Summarization

Automatically generates concise summaries of long texts.

Built using sequence-to-sequence LSTM model.

Dataset: paired text and summaries (news, articles).