تشخیص خودکار نظرات مثبت و منفی-هوش مصنوعی(پایتون)

• 💬 آیا تا حالا خواستی بدونی نظرات کاربران درباره محصول یا برندت چی هست؟

🔍 با استفاده از هوش مصنوعی، ما می‌تونیم نظرات رو به دو دسته‌ی مثبت و منفی تقسیم کنیم — به‌صورت سریع، دقیق و خودکار!

✅ بررسی سریع هزاران نظر

✅ تحلیل احساسات کاربران

✅ مناسب برای فروشگاه‌ها، اپلیکیشن‌ها، شبکه‌های اجتماعی و بیشتر...

📊 تشخیص خودکار نظرات مثبت و منفی!

🧠 کد پایتون: 

import pandas as pd 
from sklearn.feature_extraction.text import TfidfVectorizer 
from sklearn.naive_bayes import MultinomialNB 
from sklearn.pipeline import make_pipeline

 # 📚 داده‌های نمونه (می‌تونی از دیتاست بزرگ‌تر استفاده کنی)

texts = [ 
"این محصول عالیه، خیلی راضی‌ام", # مثبت 
"خدماتشون فوق‌العاده بود", # مثبت 
"اصلاً خوب نبود، پشیمون شدم", # منفی 
"کیفیتش پایین بود و دیر رسید", # منفی 
"نسبتاً خوب بود اما انتظار بیشتری داشتم", # خنثی
 ]
labels = [
'positive', 
'positive', 
'negative', 
'negative', 
'neutral'
] 
# 🎯 مدل و بردار‌ساز 
model = make_pipeline(TfidfVectorizer(), MultinomialNB()) # آموزش مدل model.fit(texts, labels) # 🔍 تست مدل 
test_sentences = [ 
"پشتیبانی خیلی ضعیف بود", 
"بسته‌بندی عالی و تحویل سریع", "بد نبود، معمولی بود" ] for sentence in test_sentences: pred = model.predict([sentence])[0] print(f"متن: {sentence}\n➡️ احساس: {pred}\n")