Sentiment Analysis Project -مشروع تحليل المشاعر

قمت بتطوير نموذج تحليل مشاعر (Sentiment Analysis) باستخدام تقنيات Deep Learning لتصنيف مراجعات الأفلام إلى إيجابية أو سلبية بدقة عالية. هدف المشروع بناء نظام ذكي قادر على فهم النصوص وتحليل المشاعر تلقائيًا، مع إمكانية استخدامه في: تحليل آراء العملاء تقييم المنتجات تحليل تعليقات وسائل التواصل الاجتماعي دعم اتخاذ القرار القائم على البيانات خطوات تنفيذ المشروع تنظيف البيانات النصية (إزالة الروابط، Stopwords، توحيد الحروف) تحويل التصنيفات إلى قيم رقمية (Positive → 1 | Negative → 0) Tokenization وتحويل النصوص إلى Sequences تطبيق Padding لتوحيد طول المدخلات بناء نموذج LSTM مع Embedding Layer استخدام Dropout لتقليل الـ Overfitting تطبيق Early Stopping لتحسين التعميم تحليل توزيع البيانات وطول النصوص قبل التدريب تقييم النموذج على بيانات اختبار غير مرئية حفظ النموذج و Tokenizer لاستخدامهم في أي تطبيق مستقبلي المعمارية المستخدمة Embedding Layer → LSTM → Dropout → Dense (Sigmoid) التقنيات المستخدمة Python Pandas & NumPy Matplotlib & Seaborn NLTK Scikit-learn TensorFlow / Keras Pickle التحديات التي تم التعامل معها معالجة اختلاف أطوال النصوص تقليل Overfitting تحسين جودة البيانات النصية اختيار طول تسلسل مناسب للحفاظ على السياق النتائج دقة قوية على بيانات الاختبار توازن جيد بين بيانات التدريب والتحقق نموذج قابل لإعادة الاستخدام والتطوير في مشاريع NLP مستقبلية