تحليل المشاعر
(Sentiment analysis)
تحليل المشاعر هو أحد المهارات المشمولة ضمن علوم تحليل البيانات
سنتناول في هذه التغريدة معني تحليل المشاعر
والطرق والخطوات السليمة المتبعة في عمليات تحليل المشاعر
مع الخوارزميات الهامة التي تستخدم في التحليل >>
(Sentiment analysis)
تحليل المشاعر هو أحد المهارات المشمولة ضمن علوم تحليل البيانات
سنتناول في هذه التغريدة معني تحليل المشاعر
والطرق والخطوات السليمة المتبعة في عمليات تحليل المشاعر
مع الخوارزميات الهامة التي تستخدم في التحليل >>
تحليل المشاعر أو الآراء.
هو استخدام معالجة اللغات الطبيعية، وعلم اللغة الحاسوبي والتحليل النصي من أجل الكشف عما يحمله النص من مشاعر سواء إيجابية أو سلبية أو محايدة تجاه موضوع النص.
يُستخدم تحليل المشاعر على نطاق واسع في مجالات التسويق وخدمة العملاء ومجالات أخرى >
هو استخدام معالجة اللغات الطبيعية، وعلم اللغة الحاسوبي والتحليل النصي من أجل الكشف عما يحمله النص من مشاعر سواء إيجابية أو سلبية أو محايدة تجاه موضوع النص.
يُستخدم تحليل المشاعر على نطاق واسع في مجالات التسويق وخدمة العملاء ومجالات أخرى >
يهدف تحليل المشاعر بشكل عام إلى تحديد مشاعر المتحدث أو الكاتب تجاه موضوع ما أو تحديد المشاعر الغالبة على وثيقة ما.
يُمكن أن تعبر هذه المشاعر عن رأي المؤلف أو حالة شعورية أو شعور مُتعمد توصيله ،
ولكن قبل استخراج تلك النتائج من النصوص يسبقها بعض الخطوات الهامة قبل التحليل >>
يُمكن أن تعبر هذه المشاعر عن رأي المؤلف أو حالة شعورية أو شعور مُتعمد توصيله ،
ولكن قبل استخراج تلك النتائج من النصوص يسبقها بعض الخطوات الهامة قبل التحليل >>
خطوات تحليل النصوص التي نستخرج منها مشاعر العملاء سواء ايجابية او سلبية
1- تجهيز البيانات
يهدف تجهيز البيانات الي حذف الوسوم والعبارات من النصوص وحذف التشكيلات والتكرار والكلمات المستبعدة وحروف الجر واستبدال الأحرف والعبارات الغير مهمة في النص
1- تجهيز البيانات
يهدف تجهيز البيانات الي حذف الوسوم والعبارات من النصوص وحذف التشكيلات والتكرار والكلمات المستبعدة وحروف الجر واستبدال الأحرف والعبارات الغير مهمة في النص
2- استخراج الميزات
feature extraction
يتطلب النموذج أن تكون البيانات مرتبة بشكل واضح ولأن طول النصوص والكلمات وعدد الكلمات فيها قد يختلف ولا يجعل النص واضح أو مرتب نقوم باستخدام تقنيات استخراج الميزات لكل نص لتدخل الي النموذج بشكل واضح ولعل أبرز تقنيات استخراج الميزات هي >>
feature extraction
يتطلب النموذج أن تكون البيانات مرتبة بشكل واضح ولأن طول النصوص والكلمات وعدد الكلمات فيها قد يختلف ولا يجعل النص واضح أو مرتب نقوم باستخدام تقنيات استخراج الميزات لكل نص لتدخل الي النموذج بشكل واضح ولعل أبرز تقنيات استخراج الميزات هي >>
تقنية Count Vectorization
ونقوم في هذه العملية بتحويل الكلمات لأرقام ، واعطاء كل كلمة رقم أي انشاء معجم يمثل كل كلمة ورقمها وعدد تكرارها وهكذا تكون البيانات صالحة لتدخل علي نمودج التعلم الآلي Machine Learning.
ونقوم في هذه العملية بتحويل الكلمات لأرقام ، واعطاء كل كلمة رقم أي انشاء معجم يمثل كل كلمة ورقمها وعدد تكرارها وهكذا تكون البيانات صالحة لتدخل علي نمودج التعلم الآلي Machine Learning.
3- اختيار الميزات
Feature Selection
بعد استخراج الميزات يتم الإختيار بينها وتوجد عدة طرق لاختيار الميزات أبرزها اختيار الميزات الأعلي تكرارا ، أو الأعلي قيمة في كل البيانات ويتم حذف الميزات النادرة أو حذف الميزات كثيرة التكرار ، لعل اختيار الميزات ليس مهمة ضرورية
>>
Feature Selection
بعد استخراج الميزات يتم الإختيار بينها وتوجد عدة طرق لاختيار الميزات أبرزها اختيار الميزات الأعلي تكرارا ، أو الأعلي قيمة في كل البيانات ويتم حذف الميزات النادرة أو حذف الميزات كثيرة التكرار ، لعل اختيار الميزات ليس مهمة ضرورية
>>
لأن من الممكن ان نستخدم جميع الميزات داخل مصفوفة يمثل كل عمود فيها قيمة ويمثل كل صف فيها نص من بيانات التدريب حيث يتكون الصف من عدد تكرار الميزة داخل النص المقصود وتكون النتيجة النهائية مصفوفة طولها عدد النصوص وعرضها عدد الميزات
>>
>>
4- تدريب النموذج
Model Training
بعد كل الخطوات السابقة نحن الآن جاهزون لتدريب نموذج التعلم الآلي عن طريق إحدي خوارزميات التعلم بالإشراف Supervised Learning , لتدريب النموذج علي البيانات يتم ادخال المصفوفة مع تصنيف كل نص مع النموذج ويقوم النموذج بشكل آلي الي
>>
Model Training
بعد كل الخطوات السابقة نحن الآن جاهزون لتدريب نموذج التعلم الآلي عن طريق إحدي خوارزميات التعلم بالإشراف Supervised Learning , لتدريب النموذج علي البيانات يتم ادخال المصفوفة مع تصنيف كل نص مع النموذج ويقوم النموذج بشكل آلي الي
>>
تقسيم الصفوف في المصفوفة الي قسمين
قسم التدريب Training
قسم التحقق Validation
وتكون نسبة قسم التدريب في الغالب 75٪ من اجمالي البيانات والقسم الأخر 25٪ ، يتدرب النموذج علي قسم التدريب ثم يختبر نفسه علي قسم التحقق حيث يتنبأ بتصنيف كل صنف فيه ثم يتحقق من صحة التنبؤ >>
قسم التدريب Training
قسم التحقق Validation
وتكون نسبة قسم التدريب في الغالب 75٪ من اجمالي البيانات والقسم الأخر 25٪ ، يتدرب النموذج علي قسم التدريب ثم يختبر نفسه علي قسم التحقق حيث يتنبأ بتصنيف كل صنف فيه ثم يتحقق من صحة التنبؤ >>
5- Model Test
اختبار النموذج
يتم بعد ذلك اختبار النموذج علي بيانات خارجية للتحقق من صحة التنبؤ ولاختبار أي نص نقوم بتجهيزه ثم تحويله لمصفوفة مطابقة للمصفوفة التي قمنا بإدخالها للنموذج حتي يتدرب عليها ويعطينا النتيجة النهائية سواء كانت المشاعر سلبية أم إيجابية ..
اختبار النموذج
يتم بعد ذلك اختبار النموذج علي بيانات خارجية للتحقق من صحة التنبؤ ولاختبار أي نص نقوم بتجهيزه ثم تحويله لمصفوفة مطابقة للمصفوفة التي قمنا بإدخالها للنموذج حتي يتدرب عليها ويعطينا النتيجة النهائية سواء كانت المشاعر سلبية أم إيجابية ..
في النهاية جميع الخطوات السابقة كانت بشكل نظري حتي نستطيع عن طريق تحليل البيانات ان نصل الي استخراج الشعور من النص وكي اخرجك من منطقة الروتين والملل سأوضح لك بكل بساطة ما نسعي اليه في عمليات تحليل الشعور والتعرف علي عليها وبماذا سنستفيد من تلك العمليات
>>>
>>>
لنفرض انك قمت بعمل اعلان عن منتج ويحتوي موضوع التغريدة علي 1000 من ردود العملاء ، وانت تريد تقييم هذه الردود كم من هذه الردود
يشجع شراء المنتج وهذه العملية تعني
( مشاعر ايجابية ونرمز لها برقم 1)
وكم منها لا يشجع شراء المنتج
وهذه العملية تسمي
(مشاعر سلبية ونرمز لها برقم 0)
يشجع شراء المنتج وهذه العملية تعني
( مشاعر ايجابية ونرمز لها برقم 1)
وكم منها لا يشجع شراء المنتج
وهذه العملية تسمي
(مشاعر سلبية ونرمز لها برقم 0)
يأتي محلل البيانات ويسحب هذه الردود من التغريدة ثم يقوم بتنظيف النصوص باتباع كل الخطوات التي ذكرتها بالأعلي ثم يعطيك نسبة الردود الإيجابية ونسبة الردود السلبية ، ثم يقوم ببناء نموذج قادر علي التنبؤ والتدرب فيما بعد ، بمعني اذا احضرت له ردود جديدة من العملاء >>
سيقوم بإدخالها الي النموذج وبشكل آلي اذا كان النص مثلا يحتوي علي كلمة
( انا سعيد لشراء المنتح )
يتم تصنيفه علي انه ايجابي ويطبع الرقم (1)
واذا كان الرد مثلا يحتوي علي كلمة منتج
(منتج فاشل)
يتم تصنيفه علي أنه سلبي ويطبع الرقم (0)
( انا سعيد لشراء المنتح )
يتم تصنيفه علي انه ايجابي ويطبع الرقم (1)
واذا كان الرد مثلا يحتوي علي كلمة منتج
(منتج فاشل)
يتم تصنيفه علي أنه سلبي ويطبع الرقم (0)
وبكده اكون اعطيتكم نبذة عن تحليل المشاعر واستخدامها بشكل نظري وايضا بشكل عملي الي حد ما في تقارب الأفكار وتوضيحها وان شاء الله فيما بعد هنعرض بعض المشاريع الحقيقة التي توضح كل ما سبق
💛 ارجو أن أكون سبب في إفادتكم 💛
💛 ارجو أن أكون سبب في إفادتكم 💛
جاري تحميل الاقتراحات...