نظام تحليل مشاعر عملاء أمازون باستخدام تقنيات NLP المتقدمة

بما إنك مهندسة ومصممة مشروع متكامل بالفعل، فإليكِ وصفاً احترافياً لهذا المشروع بأسلوب يبرز مهاراتك التقنية في الـ Machine Learning والـ NLP، وبنفس التنسيق المعتمد في الـ Portfolio الخاص بك:

اسم المشروع:

نظام تحليل مشاعر عملاء أمازون باستخدام تقنيات NLP المتقدمة

وصف المشروع:

قمت بتطوير نظام متكامل لتحليل مشاعر (Sentiment Analysis) مراجعات منتجات أمازون، بقدرة على تصنيف المراجعات إلى "إيجابية" أو "سلبية" بدقة تصل إلى 91.13%. المشروع مصمم لمحاكاة الأنظمة الحقيقية التي تعتمد عليها الشركات الكبرى لفهم آراء العملاء وتحسين جودة المنتجات بناءً على بيانات ضخمة (Big Data) حيث تم تدريب النموذج على أكثر من 500,000 مراجعة.

المهام التي قمت بها:

معالجة النصوص المتقدمة (Text Preprocessing): بناء "Pipeline" لتنظيف البيانات يشمل إزالة الرموز والأرقام، تحويل النصوص لحروف صغيرة، إزالة الكلمات الشائعة (Stop words)، وتطبيق تقنية الـ Lemmatization لرد الكلمات لأصولها اللغوية.

هندسة الميزات (Feature Engineering): تحويل النصوص إلى قيم عددية باستخدام تقنية TF-IDF مع التركيز على الـ N-grams (Unigrams + Bigrams) لاستخلاص سياق الكلام بدقة.

بناء وتدريب النموذج: مقارنة واختيار أفضل خوارزمية (Logistic Regression مع SAGA optimizer) لتحقيق أعلى دقة وأسرع وقت استجابة (Inference time).

تطوير واجهة برمجية (Deployment): بناء Flask API وواجهة مستخدم تفاعلية بتصميم Modern Glassmorphism تتيح للمستخدمين تجربة النظام في الوقت الفعلي.

النتائج والقدرات التقنية:

دقة تصنيف (Accuracy): 91.13% مع توازن تام بين الـ Precision والـ Recall.

الأداء: زمن استجابة سريع جداً (حوالي 5ms للتنبؤ الواحد).

الشمولية: التعامل مع 50,000 ميزة (Features) لاستيعاب مفردات لغوية واسعة.

الأدوات المستخدمة:

Python: (اللغة الأساسية للمشروع).

Scikit-learn: (لبناء نماذج التعلم الآلي والـ Vectorization).

NLTK: (للمعالجة اللغوية المتقدمة).

Flask: (لتحويل النموذج إلى تطبيق ويب متكامل).

Pandas & NumPy: (لمعالجة البيانات الضخمة).