Trend Spike Detection AI

اشتغلت على تطوير مشروع TrendSpike Detector، وهو نظام ذكي بيستخدم الذكاء الاصطناعي ومعالجة اللغة الطبيعية (NLP) لتحليل الأخبار والنصوص، واكتشاف الموضوعات الرائجة والتغيرات المفاجئة في اهتمام الجمهور بها، بالإضافة إلى تحليل المشاعر المرتبطة بالمحتوى.

Project Workflow

Data Collection – جمع البيانات

استخدمت APIs لجمع النصوص والأخبار الحديثة من:

- NewsAPI

- Twitter-related sources

Text Preprocessing – معالجة النصوص

تجهيز وتنظيف البيانات باستخدام تقنيات NLP، مثل إزالة الروابط والرموز، وإزالة Stopwords، وTokenization، وLemmatization.

Topic Modeling – اكتشاف الموضوعات

استخدمت LDA وNMF وBERTopic لاكتشاف الموضوعات الرئيسية وتجميع النصوص المتشابهة، مثل التكنولوجيا والرياضة والسياسة.

Named Entity Recognition (NER)

استخراج الكيانات المهمة من النصوص، مثل الأشخاص والمؤسسات والأماكن والأحداث، لفهم سياق المحتوى.

Sentiment Analysis – تحليل المشاعر

تصنيف آراء الجمهور إلى Positive وNegative وNeutral لفهم اتجاه التفاعل مع الموضوعات المختلفة.

Deep Learning Models

تنفيذ ومقارنة نموذجي LSTM وGRU لتحليل النصوص وتصنيف المشاعر، وتقييم أدائهما باستخدام Accuracy ومتابعة سلوك التدريب.

Trend & Spike Detection

تحليل تكرار الكلمات المفتاحية ومتابعة تغيرها بمرور الوقت لاكتشاف الموضوعات الأكثر تداولًا والارتفاعات المفاجئة في الاهتمام بها.

Interactive Dashboard

استخدمت Streamlit وPlotly لإنشاء Dashboard تفاعلية تعرض:

- Trending Topics

- Sentiment Distribution

- LSTM vs GRU Performance

- Training Accuracy & Loss Curves

Technologies & Tools Used

Python | TensorFlow | NLP | Streamlit | Plotly | Scikit-learn | spaCy | NLTK | BERTopic

Final Result:

نظام متكامل يجمع بين تحليل النصوص، واكتشاف الموضوعات الرائجة، وتحليل المشاعر، ومتابعة التغيرات في الترندات من خلال Dashboard تفاعلية واحدة.