Emotion Detection

نبذة عن المشروع:

تطوير نموذج متكامل في مجال معالجة اللغات الطبيعية (NLP) وتعلم الآلة (Machine Learning) يهدف إلى تحليل، تصنيف، وتحديد المشاعر في النصوص (Emotion Detection) بدقة واحترافية.

مراحل العمل والتقنيات المستخدمة:

معالجة البيانات (Data Preprocessing): التعامل مع مجموعة بيانات ضخمة مستخرجة من منصة Kaggle، تحتوي على أكثر من 422,700 جملة نصية، وتمريرها بمراحل تنظيف ومعالجة مكثفة لضمان جودة المدخلات.

استخلاص الميزات (Feature Extraction): تطبيق تقنية TF-IDF لتحويل النصوص بكفاءة إلى ميزات قابلة للتحليل والتدريب.

بناء وتدريب النماذج: تصميم وتدريب عدة خوارزميات لتعلم الآلة والمقارنة بينها للوصول إلى الأداء الأمثل، وحققت النتائج التالية:

نموذج الانحدار اللوجستي (Logistic Regression) بدقة بلغت 90.99%.

نموذج آلات المتجهات الداعمة (LinearSVC) بدقة بلغت 90.74%.

نموذج الغابات العشوائية (Random Forest) بدقة بلغت 86.29%.

بناء واجهة تفاعلية (Deployment): لإضفاء طابع عملي وسهل الاستخدام، تم تطوير تطبيق ويب تفاعلي ولوحة تحكم باستخدام إطار عمل Streamlit، مما يتيح للمستخدمين إدخال النصوص واختبار قدرة النموذج على تحليل المشاعر بشكل مباشر وفي الوقت الفعلي (Live Testing).