Sentiment review analyzer

**Customer Review Sentiment Analyzer – نظام تحليل مشاعر تقييمات العملاء باستخدام NLP وMachine Learning**

قمت بتطوير نظام ذكي لتحليل مشاعر وآراء العملاء من خلال معالجة النصوص باستخدام تقنيات **Natural Language Processing (NLP)** و**Machine Learning**. يهدف المشروع إلى مساعدة الشركات وأصحاب المنتجات والخدمات على فهم آراء العملاء وتحويل التقييمات النصية غير المنظمة إلى بيانات قابلة للتحليل والاستفادة منها في اتخاذ قرارات أفضل.

يعتمد النظام على إدخال المستخدم لتقييم أو تعليق نصي عن منتج أو خدمة، ثم يقوم النظام بتحليل النص وتصنيفه تلقائيًا إلى إحدى الفئات الرئيسية: **Positive – Negative – Neutral**، مع عرض النتيجة بشكل مباشر من خلال واجهة تفاعلية.

بدأ تنفيذ المشروع بمرحلة **Data Preprocessing** وتجهيز النصوص، حيث تم تنظيف البيانات والتعامل مع النصوص غير الضرورية، ثم تحويل النصوص إلى تمثيل رقمي يمكن لنماذج Machine Learning التعامل معه باستخدام **TF-IDF (Term Frequency-Inverse Document Frequency)**.

بعد تجهيز البيانات، تم تدريب وتجربة أكثر من نموذج تصنيف للمقارنة بينهم واختيار النموذج المناسب للمهمة، مثل:

* **Logistic Regression**

* **Naive Bayes**

* **Support Vector Machine (SVM)**

تم تقييم النماذج باستخدام مجموعة من مقاييس الأداء المناسبة لمشاكل **Text Classification**، مع مقارنة النتائج بهدف اختيار النموذج الأكثر ملاءمة للبيانات.

كما يتضمن المشروع جزءًا خاصًا بتحليل البيانات النصية، حيث يمكن استكشاف الكلمات والأنماط الأكثر ظهورًا في التقييمات المختلفة، مما يساعد على فهم العوامل التي ترتبط بآراء العملاء الإيجابية أو السلبية.

تم تطوير **Interactive Dashboard باستخدام Streamlit** لعرض المشروع بصورة عملية وسهلة الاستخدام. يستطيع المستخدم إدخال أي Customer Review، ليقوم النظام بمعالجة النص وتشغيل نموذج الـMachine Learning وإظهار تصنيف المشاعر مباشرة داخل الواجهة.

### أهم مكونات المشروع:

* Data Cleaning & Preprocessing

* Natural Language Processing (NLP)

* Text Classification

* TF-IDF Feature Extraction

* Machine Learning Classification

* Model Training & Comparison

* Model Evaluation

* Exploratory Text Analysis

* Visualization

* Interactive Streamlit Dashboard

### الأدوات والتقنيات المستخدمة:

**Python – Pandas – NumPy – Scikit-learn – NLP – TF-IDF – Logistic Regression – Naive Bayes – SVM – Matplotlib – Streamlit**

يمثل المشروع تطبيقًا عمليًا لدمج **NLP مع Machine Learning** لتحويل البيانات النصية إلى معلومات قابلة للتحليل، مع ربط النموذج بواجهة تفاعلية تجعل استخدام الحل أسهل لغير المتخصصين.

يمكن استخدام نفس الفكرة في العديد من التطبيقات العملية، مثل تحليل تقييمات المنتجات، آراء العملاء عن الخدمات، Feedback Analysis، وتحليل التعليقات على المنصات الرقمية.