🔍 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")
0 نظر
تازه ترین ها