تحليل المشاعر (Sentiment Analysis) باستخدام تقنيات المعالجة المتقدمة للبيانات غير المتوازنة
في هذا المشروع قمت بتطوير نموذج تحليل مشاعر نصوص يهدف إلى تصنيف المراجعات إلى فئات (إيجابية، سلبية، محايدة) باستخدام تقنيات معالجة اللغة الطبيعية (NLP).
واجهت البيانات مشكلة عدم توازن الفئات (Class Imbalance)، لذلك استخدمت تقنية Oversampling (مثل SMOTE) لزيادة العينات في الفئات الأقل تمثيلًا وتحسين أداء النموذج.
خطوات المشروع تضمنت:
تنظيف النصوص (إزالة الرموز، التكرارات، والكلمات عديمة المعنى).
تحويل النصوص إلى تمثيل عددي باستخدام TF-IDF.
تطبيق خوارزميات تصنيف مثل Logistic Regression وRandom Forest.
استخدام Oversampling لتحسين توزيع الفئات ورفع دقة التصنيف.
تقييم النموذج باستخدام مقاييس مثل Accuracy وF1-Score وConfusion Matrix.
النتيجة كانت نموذجًا دقيقًا وقادرًا على التمييز بين الانطباعات المختلفة بدقة أعلى بعد تطبيق عملية الـ Oversampling، مما ساعد على تحسين الفهم الآلي لآراء المستخدمين وتحليل توجهاتهم بفاعلية.
