💬
تحليل المشاعر
تصنيف نص مراجعة الفندق إلى POSITIVE أو NEUTRAL أو NEGATIVE.
مشروع تعلم آلة تعليمي • Arabic & English NLP
تحليل ذكي لتقييمات الفنادق
جزء من منصة HRP — Hotel & Ride-Hailing Platform، يهدف إلى تصنيف مشاعر المراجعات إلى إيجابي ومحايد وسلبي، باستخدام نموذج تعلم آلة مدرّب على بيانات فندقية اصطناعية.
تنبيه مهم: هذه نسخة عرض ثابتة (Static Space)، ولا تنفذ تنبؤات مباشرة. تم اختبار النموذج فعليًا في Google Colab باستخدام Gradio. البيانات المستخدمة اصطناعية ولأغراض تعليمية فقط، ولم يُعتمد النموذج للاستخدام على تقييمات عملاء حقيقيين.
16,000
تقييم اصطناعي10,867
نص عربي5,133
نص إنجليزي0.7966
Macro-F1 على اختبار اصطناعيماذا يقدم Stage 04؟
مخرجات تعليمية ضمن نظام HRP لدعم تحليل التغذية الراجعة، مع إبقاء القرار النهائي للبشر.
🧠
تعلم آلة قابل للتفسير
نموذج Logistic Regression + TF-IDF، مع معالجة للنص العربي والإنجليزي.
🛡️
دعم مراجعة المحتوى
تتضمن حزمة Stage 04 أيضًا نموذجًا منفصلًا لدعم مراجعة التعليقات؛ ولا تُحذف أو تُخفى المراجعات تلقائيًا.
نتيجة توضيحية من تجربة فعلية
هذه نتيجة مسجلة عند تشغيل النموذج في Google Colab، وليست أداة تنبؤ مباشرة داخل هذه الصفحة.
عنوان المراجعة: إقامة رائعة
الفندق ممتاز والغرف نظيفة والخدمة رائعة.
أعاد النموذج التصنيف الإيجابي عند تشغيل المثال في Colab.
الاحتمالات التي أعادها النموذج
الاحتمالات ليست مقياسًا للدقة العامة، ولا تمثل أداءً مثبتًا على البيانات الحقيقية.
طريقة بناء المشروع
رحلة عملية من البيانات إلى تجربة الواجهة.
1
البيانات
مجموعة مراجعات اصطناعية، موثقة بتقسيم تدريبي وتحققي واختباري زمني.
2
النموذج
معالجة نصوص، تمثيل TF-IDF، تدريب Logistic Regression وحفظ ملفات النموذج.
3
التجربة
تنزيل النموذج من Hugging Face وتشغيله في Colab وعرض التنبؤ بواجهة Gradio مؤقتة.
ملفات المشروع وروابطه
يمكن للدكتور والزملاء مراجعة البيانات والنموذج وطريقة التشغيل عبر الروابط التالية.
المستودعات العامة
توضح صفحات Hugging Face المحتوى، قيود الاستخدام، والملفات المتاحة.
لتجربة التنبؤ عمليًا: افتح كود example_inference.py في مستودع النموذج وشغّله في بيئة Python ملائمة، أو افتح دفتر Google Colab لعرض التجربة العملية. لا تعرض الصفحة الثابتة تنبؤات حية.