تحليل المشاعر
وصف المشكلة
تصنيف مراجعات عربية قصيرة إلى إيجابية أو سلبية، ومقارنة تمثيل الكلمات بتمثيل مقاطع الحروف (character n-grams) المناسب للغة العربية الغنية صرفياً.
الأهداف
- تحويل النص إلى خصائص رقمية
- فهم أثر التمثيل على الأداء
- قراءة النتائج بواقعية مع بيانات صغيرة
نوع المشكلة
تحليل نصوص Text Mining
مجموعة البيانات
الأدوات المستخدمة
الخوارزميات
خطوات التنفيذ
- في Orange (بعد تثبيت إضافة Text): Corpus ← Preprocess Text ← Bag of Words ← Test and Score مع Naive Bayes وLogistic Regression.
- في KNIME (إضافة Text Processing): CSV Reader ← Strings To Document ← Preprocessing ← Bag Of Words Creator ← Document Vector ← Learner.
- جرّب تمثيل المقاطع الحرفية إن توفر، وقارن.
مخطط سير العمل
قراءة البياناتمعالجة وتحويلنموذج / خوارزميةتنبؤتقييم
Orange
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (6)
- Corpus → Preprocess Text
- Preprocess Text → Bag of Words
- Bag of Words → Test and Score
- Test and Score → Confusion Matrix
- Naive Bayes → Test and Score
- Logistic Regression → Test and Score
KNIME
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (11)
- CSV Reader → Strings to Document
- Strings to Document → Punctuation Erasure
- Punctuation Erasure → Case Converter
- Case Converter → Stop Word Filter
- Stop Word Filter → Bag Of Words Creator
- Bag Of Words Creator → Document Vector
- Document Vector → Partitioning
- Partitioning → Naive Bayes Learner
- Naive Bayes Learner → Naive Bayes Predictor
- Naive Bayes Predictor → Scorer
- Partitioning → Naive Bayes Predictor
ملفات المشروع
- مجموعة البيانات CSVCSV9.1 كيلوبايت
- ملف WEKA بصيغة ARFFWEKA ARFF9.9 كيلوبايت
- النتائج المرجعية المحسوبة (CSV)نتائج301.0 بايت
- دليل التنفيذ خطوة بخطوة (PDF)PDF340.9 كيلوبايت
- حزمة المشروع كاملة (ZIP)ZIP285.0 كيلوبايت
ملفات KNIME Workflow بصيغة KNWF غير مرفقة في هذا الإصدار لأننا لم نبنها ونختبرها داخل KNIME نفسها؛ مخطط عُقد KNIME مرسوم أعلاه لتبنيه بنفسك.
النتائج
نتائج فعلية محسوبة على الملفات المرفقة
• Naive Bayes (word BoW): Accuracy 50.6% (± 5.0%)، F1-macro 0.502
• Logistic Regression (word BoW): Accuracy 54.4% (± 4.2%)، F1-macro 0.541
• Naive Bayes (char 2-4 grams): Accuracy 56.2% (± 4.0%)، F1-macro 0.560
• Logistic Regression (char 2-4 grams): Accuracy 69.4% (± 7.5%)، F1-macro 0.690
لم نوفر سير عمل Orange لهذا المشروع لأنه يحتاج إضافة Text غير المثبتة افتراضياً.
مقاييس التقييم
- Accuracy
- F1-macro
- Confusion Matrix
تفسير النتائج
بـ160 مراجعة فقط يبقى تمثيل الكلمات قريباً من التخمين (نحو 50–54%) لأن معظم الكلمات تظهر مرة واحدة، بينما رفعت المقاطع الحرفية الأداء إلى نحو 69% لأنها تلتقط الجذور والسوابق واللواحق. الدرس: حجم البيانات والتمثيل أهم من اختيار الخوارزمية.
أسئلة للمناقشة
- لماذا تفيد المقاطع الحرفية في العربية تحديداً؟
- كيف تتعامل مع النفي مثل «غير جيد»؟
- كم مراجعة تقدّر أننا نحتاج لنتيجة موثوقة؟
