Sentiment Analysis Project -مشروع تحليل المشاعر

قمت بتطوير نموذج تحليل مشاعر (Sentiment Analysis) باستخدام تقنيات Deep Learning لتصنيف مراجعات الأفلام إلى إيجابية أو سلبية بدقة عالية.

? هدف المشروع

بناء نظام ذكي قادر على فهم النصوص وتحليل المشاعر تلقائيًا، مع إمكانية استخدامه في:

تحليل آراء العملاء

تقييم المنتجات

تحليل تعليقات وسائل التواصل الاجتماعي

دعم اتخاذ القرار القائم على البيانات

? خطوات تنفيذ المشروع

✔ تنظيف البيانات النصية (إزالة الروابط، Stopwords، توحيد الحروف)

✔ تحويل التصنيفات إلى قيم رقمية (Positive → 1 | Negative → 0)

✔ Tokenization وتحويل النصوص إلى Sequences

✔ تطبيق Padding لتوحيد طول المدخلات

✔ بناء نموذج LSTM مع Embedding Layer

✔ استخدام Dropout لتقليل الـ Overfitting

✔ تطبيق Early Stopping لتحسين التعميم

✔ تحليل توزيع البيانات وطول النصوص قبل التدريب

✔ تقييم النموذج على بيانات اختبار غير مرئية

✔ حفظ النموذج و Tokenizer لاستخدامهم في أي تطبيق مستقبلي

⚙️ المعمارية المستخدمة

Embedding Layer → LSTM → Dropout → Dense (Sigmoid)

? التقنيات المستخدمة

Python

Pandas & NumPy

Matplotlib & Seaborn

NLTK

Scikit-learn

TensorFlow / Keras

Pickle

? التحديات التي تم التعامل معها

? معالجة اختلاف أطوال النصوص

? تقليل Overfitting

? تحسين جودة البيانات النصية

? اختيار طول تسلسل مناسب للحفاظ على السياق

? النتائج

✔ دقة قوية على بيانات الاختبار

✔ توازن جيد بين بيانات التدريب والتحقق

✔ نموذج قابل لإعادة الاستخدام والتطوير في مشاريع NLP مستقبلية