İçeriğe atla
Açık kaynakYapay zekâ / MLDoğal dil işleme

Mood Analysis NLP

Metinden duygu durumu çıkaran Python NLP aracı

Rol
NLP
Dönem
2025
Durum
Açık kaynak
Bağlantılar
GitHub ↗

Genel bakış

Girilen metni temizleyip duygu sözlüğüyle eşleştirerek duygu durumu çıkaran küçük NLP aracı. Metin temizleme, duygu analizi ve giriş noktası ayrı modüllerde.

  • text_cleaner: normalizasyon ve durak kelime temizliği; sentiment_analyzer: duygu sözlüğü eşleştirme.

01

Problem

Model eğitmeden, sözlük tabanlı yaklaşımla bir metnin baskın duygusu ne kadar yakalanabilir? Amaç NLP boru hattının temel adımlarını (temizleme → eşleştirme → skorlama) elle kurmaktı.

02

Yaklaşım

Metin küçük harfe çevrilip noktalama ve durak kelimelerden arındırılıyor; kalan kelimeler duygu sözlüğüyle eşleştirilip her duygu için skor üretiliyor.

Sonuç

Üç modüllü, okunabilir bir Python aracı; sözlük genişletildikçe doğruluk artıyor.

Benzer projeler

  • Yapay zekâ / ML
    Canlı

    ChefsStack

    Vektör tabanlı öneri motoruna sahip tarif platformu

    Tarif ve öneri platformu. Öneriler elle yazılmış kurallara değil, vektör benzerliğine dayanıyor; kullanıcı etkileşimleri Kafka ve Redis üzerinden kişisel akışlara dönüşüyor.

    <50ms
    benzerlik sorgusu
    1.000+
    etkileşim olayı işlendi
    • Python
    • FastAPI
    • PostgreSQL
    • pgvector
    • Redis
    • Kafka
    İncele
  • Yapay zekâ / ML
    Açık kaynak

    Traffic Accident Severity Prediction

    100.000+ kaza kaydıyla eğitilmiş rota riski tahmini

    100.000+ geçmiş kaza kaydıyla eğitilmiş rota riski tahmini; %85+ doğrulukla gerçek zamanlı uyarı üretiyor. OpenRouteService ve hava durumu API'leriyle çalışıyor.

    100K+
    kaza kaydı
    85%+
    doğruluk
    • Python
    • Scikit-Learn
    • XGBoost
    • Pandas
    • Flask
    • React
    İncele
  • Yapay zekâ / ML
    Açık kaynak

    Appliances Energy Prediction

    Akıllı ev enerji tüketimi için regresyon modelleri karşılaştırması

    UCI veri setindeki 19.735 adet 10 dakikalık ölçümle ev aletlerinin enerji tüketimini tahmin eden çalışma. Random Forest, XGBoost, LightGBM ve doğrusal regresyon karşılaştırıldı; LightGBM R² ≈ 0.76 ile öne çıktı.

    19.735
    ölçüm satırı
    0.76
    R² (LightGBM)
    • Python
    • Pandas
    • Scikit-Learn
    • LightGBM
    • XGBoost
    • Jupyter
    İncele