How aaktug/affa---sentiment-analysis works
Depo, duygu analizi için veri temizleme, etiket tutarlılığı süzme, FastText vektörleme ve AFFA-LSTM modeliyle sınıflandırma aşamalarını içerir. Ana akış, ara dosyalar üzerinden ilerler; model betiği ayrıca değerlendirme metrikleri ve grafikler üretir. Kaynak örnekleri ön işleme ve vektörleme aktarımını destekliyor. Etiket süzme betiğinin sonunda tanımsız df_clean değişkeni kullanıldığı için bu aşamanın mevcut haliyle çıktı ürettiği doğrulanamıyor; bağlantı README’de belgelenen amaç olarak gösterilmiştir. Harici veri ve model dosyalarının konumları örneklerde yer tutucudur.
Main entry points: 4 - LSTM3_Attention_AFFA.py Eğitim ve değerlendirme · 3 - Vektor.py FastText vektörleme · 2- Tutarsiz_Etiket_Belirleme.py Etiket tutarlılığı · 1- Veri_on_isleme.py Metin ön işleme
Components 18
Veri hazırlama
- Metin ön işleme
1- Veri_on_isleme.py
Etiket süzme
- Etiket tutarlılığı
2- Tutarsiz_Etiket_Belirleme.py
Vektörleme
- FastText vektörleme
3 - Vektor.py
Model ve değerlendirme
- Eğitim ve değerlendirme
4 - LSTM3_Attention_AFFA.py - LSTM kodlayıcılar
4 - LSTM3_Attention_AFFA.py - Zamansal dikkat
4 - LSTM3_Attention_AFFA.py - AFFA füzyon
4 - LSTM3_Attention_AFFA.py - Duygu sınıflandırıcı
4 - LSTM3_Attention_AFFA.py - Metrikler ve analizler
4 - LSTM3_Attention_AFFA.py
Other components
- Duygu verisi
- Temiz veri CSV
- CardiffNLP RoBERTa
- Etiketli veri CSV
- FastText vektörleri
- Dizi vektörleri X
- Etiket dizisi y
- Eğitilmiş model
- Tahmin dizileri
Connections 21
- Duygu verisi → Metin ön işleme: veri sağlar
- Metin ön işleme → Temiz veri CSV: CSV yazar
- Temiz veri CSV → Etiket tutarlılığı: CSV okur
- Etiket tutarlılığı → CardiffNLP RoBERTa: tahmin ister
- Etiket tutarlılığı → Etiketli veri CSV: eşleşenleri kaydetmesi amaçlanır
- Etiketli veri CSV → FastText vektörleme: CSV okur
- FastText vektörleme → FastText vektörleri: vektörleri yükler
- FastText vektörleme → Dizi vektörleri X: X kaydeder
- FastText vektörleme → Etiket dizisi y: y kaydeder
- Dizi vektörleri X → Eğitim ve değerlendirme: X yükler
- Etiket dizisi y → Eğitim ve değerlendirme: y yükler
- Eğitim ve değerlendirme → LSTM kodlayıcılar: kodlayıcıları kurar
- Eğitim ve değerlendirme → Zamansal dikkat: dikkat katmanı kurar
- Eğitim ve değerlendirme → AFFA füzyon: füzyonu kurar
- Eğitim ve değerlendirme → Duygu sınıflandırıcı: sınıflandırıcıyı kurar
- LSTM kodlayıcılar → AFFA füzyon: temsil sağlar
- Zamansal dikkat → AFFA füzyon: temsil sağlar
- AFFA füzyon → Duygu sınıflandırıcı: birleştirilmiş temsil verir
- Eğitim ve değerlendirme → Eğitilmiş model: model kaydeder
- Eğitim ve değerlendirme → Metrikler ve analizler: test verisini değerlendirir
- Eğitim ve değerlendirme → Tahmin dizileri: tahminleri kaydeder