پروژه: تحلیل احساسات نظرات فارسی
پروژه عملی: سیستم کامل تحلیل احساسات نظرات فارسی فروشگاه — از پیش‌پردازش فارسی تا گزارش مدیریتی
معرفی پروژه
پروژه پایانی: سیستم تحلیل احساسات نظرات فارسی یک فروشگاه آنلاین — ترکیب همه آموخته‌های دوره روی داده واقعی فارسی:
- پیش‌پردازش فارسی (نرمال‌سازی، نیم‌فاصله، توکن)
- لغت‌نامه احساسی فارسی
- مدل تحلیل احساسات (لغت‌نامه‌ای + منفی‌سازی)
- تحلیل سطح وجه (هر جنبه محصول جداگانه)
- گزارش مدیریتی مصور
سناریو
فروشگاه موبایل ۸ نظر مشتری گرفته. مدیر می‌خواهد بداند:
- رضایت کلی مشتریان چقدر است؟
- کدام جنبه‌ها (کیفیت، قیمت، ارسال، پشتیبانی) ضعیف‌اند؟
- کدام نظرات بحرانی‌اند و نیاز به پاسخ فوری دارند؟
- منفی‌سازی: «خوب نبود» را منفی می‌فهمد!
- تشدید: «خیلی بد» منفی‌تر از «بد»
- تحلیل وجه: هر جنبه جداگانه امتیاز می‌گیرد
- اولویت‌بندی: نظرات خیلی منفی = هشدار فوری
- درصد رضایت کلی
- امتیاز هر وجه (نمودار متنی)
- لیست نظرات نیازمند اقدام فوری
- جایگزینی لغت‌نامه با مدل ML (با داده برچسب‌دار)
- استفاده از ParsBERT برای دقت بالاتر
- داشبورد وب زنده (Streamlit)
- هشدار خودکاری برای نظرات منفی شدید
- پایپ‌لاین کامل: پیش‌پردازش فارسی ← تحلیل ← گزارش
- منفی‌سازی و تحلیل وجه = کیفیت واقعی
- خروجی مدیریتی: تصمیم‌ساز، نه فقط عدد
ویژگی‌های پیاده‌سازی
گزارش نهایی
خروجی پروژه (در مثال کد):
ایده‌های توسعه
نکته: همین پروژه با داده واقعی، یک محصول قابل ارائه به کسب‌وکارهاست! تحلیل احساسات نظرات، یکی از پرتقاضاترین خدمات NLP در بازار فارسی است.
جمع‌بندی
این مبحث بخشی از دوره آموزش کامل پردازش زبان طبیعی (NLP) است.