نموذج تعلم عميق لتحليل مشاعر مراجعات الأفلام

عملت على تطوير نموذج متقدم لتحليل المشاعر (إيجابي/سلبي) لمراجعات الأفلام باستخدام مجموعة بيانات IMDB الشهيرة التي تحتوي على 50,000 مراجعة. مراحل العمل: تنظيف النصوص: إزالة الوسوم البرمجية (HTML)، الرموز غير المهمة، وتحويل النصوص إلى صيغة قابلة للمعالجة. المعالجة اللغوية (NLP Preprocessing): تطبيق Lemmatization لتوحيد الكلمات إلى جذورها الأساسية. إزالة الكلمات الشائعة (Stopwords) لزيادة دقة النموذج. تعزيز البيانات عبر استبدال الكلمات بمرادفات لزيادة التنوع وتحسين أداء النموذج. تحويل النصوص إلى تسلسل رقمي: باستخدام Tokenizer مع تقنية Padding لتوحيد أطوال الجمل. بناء النموذج: باستخدام شبكة Bidirectional LSTM التي تستفيد من قراءة النص في الاتجاهين لالتقاط أنماط السياق بشكل أفضل. التقييم: تقييم النموذج بمصفوفة الالتباس (Confusion Matrix) وتقرير الأداء (Classification Report) مع تحليل النتائج. التقنيات والأدوات المستخدمة: Python TensorFlow/Keras Pandas, Numpy NLTK Matplotlib, Seaborn حقق النموذج أداءً ممتازًا في تصنيف المشاعر بدقة عالية مع استجابة جيدة للبيانات الجديدة. للاطلاع على الكود المصدري، يمكن زيارة المشروع على Kaggle عبر رابط العمل.