تحلیل احساسات با متن

هدف و راهنمای انجام

توکن‌سازی، شمارش واژه‌ها و ارزیابی مدل روی دادهٔ ندیده

ورودی

request.json شامل train، test، features=[text] و target=label است.

خروجی

result.json با برچسب مثبت یا منفی برای هر متن test.

1. متن را نرمال و به توکن‌های ساده تبدیل کن.
2. واژه‌ها را فقط از train یاد بگیر.
3. یک Naive Bayes یا روش شمارش واژه بساز.
4. F1 هر کلاس را بررسی و predictions را ذخیره کن.

قبل از ارزیابی، داده را با اطلاعات آینده نرمال نکن.

مثال ورودی و خروجی

{
    "input": {
        "train": "نظرهای برچسب‌دار",
        "test": "نظرهای بدون برچسب"
    },
    "output": "predictions"
}

معیارهای موفقیت

• از واژه‌های test برای ساخت واژگان استفاده نمی‌شود
• macro-F1 حداقل ۰٫۷۲ است
• تعداد خروجی با test برابر است

کتابخانه‌ها: pandas, numpy