في عالم الذكاء الاصطناعي ومعالجة اللغة الطبيعية (NLP)، يُعتبر تحليل المشاعر (Sentiment Analysis) من التطبيقات الشائعة والمفيدة. يمكن استخدامه لتحليل النصوص وتحديد ما إذا كانت تعبر عن مشاعر إيجابية، سلبية، أو محايدة. في هذه التدوينة، سنتعلم كيفية كتابة كود بسيط لتحليل المشاعر باستخدام لغة البرمجة Python ومكتبة TextBlob.
كود بسيط لتحليل المشاعر (Sentiment Analysis) باستخدام Python
ما هو تحليل المشاعر؟
تحليل المشاعر هو عملية استخدام خوارزميات الذكاء الاصطناعي لفهم المشاعر الكامنة في النصوص. يمكن تطبيقه في العديد من المجالات، مثل:
- تحليل آراء العملاء حول المنتجات.
- مراقبة المشاعر على منصات التواصل الاجتماعي.
- تحليل ردود الفعل على الحملات الإعلانية
سنستخدم مكتبة TextBlob، وهي مكتبة بسيطة وسهلة الاستخدام لمعالجة النصوص وتحليل المشاعر في Python. إليك الكود:
<div class='multitab-section'> # استيراد المكتبة المطلوبة from textblob import TextBlob # نص للتحليل text = "أحب هذا المنتج، إنه رائع!" # تحليل المشاعر analysis = TextBlob(text) sentiment = analysis.sentiment # عرض النتائج print(f"النص: {text}") print(f"الاستقطاب: {sentiment.polarity}") # إذا كان موجبًا، النص إيجابي print(f"الموضوعية: {sentiment.subjectivity}") # إذا كان قريبًا من 0، النص موضوعي
شرح الكود
- استيراد المكتبة: نستخدم TextBlob من مكتبة textblob.
- إدخال النص: نقوم بكتابة النص الذي نريد تحليله.
- تحليل المشاعر: نستخدم TextBlob لتحليل النص واستخراج مشاعره.
النتائج:
- الاستقطاب (Polarity): يتراوح بين -1 و1. إذا كان القيمة موجبة، النص إيجابي. إذا كانت سالبة، النص سلبي. إذا كانت صفر، النص محايد.
- الموضوعية (Subjectivity): تتراوح بين 0 و1. إذا كانت القيمة قريبة من 0، النص موضوعي. إذا كانت قريبة من 1، النص ذاتي.
إذا قمنا بتشغيل الكود السابق، ستكون النتائج كالتالي
النص: أحب هذا المنتج، إنه رائع! الاستقطاب: 0.8 الموضوعية: 0.75
الاستقطاب 0.8: يشير إلى أن النص إيجابي جدًا.
الموضوعية 0.75: يشير إلى أن النص ذاتي إلى حد ما.
الاستقطاب 0.8: يشير إلى أن النص إيجابي جدًا.
الاستقطاب 0.8: يشير إلى أن النص إيجابي جدًا.
الموضوعية 0.75: يشير إلى أن النص ذاتي إلى حد ما
قبل تشغيل الكود، تأكد من تثبيت مكتبة TextBlob باستخدام الأمر التالي في terminal أو cmd:
pip install textblob
يمكنك تطوير هذا الكود لتحليل مشاعر مجموعة من النصوص، مثل:
- تحليل آراء العملاء في ملف Excel.
- تحليل التغريدات على Twitter.
- تحليل التعليقات على YouTube.