مشروع محاكاة مشاعر الإنسان باستخدام الذكاء الصناعي، باللغة الإنجليزية والعربية: AI Simulation Project

AI Emotion Simulation Project

Overview

This project aims to simulate human emotions using artificial intelligence. By utilizing machine learning techniques, specifically TensorFlow and LSTM layers, the model is trained to classify emotional sentiments from textual data. The model is designed to analyze texts, understand the sentiment (positive, negative, or neutral), and provide predictions based on its training.

Features

• Text sentiment analysis using BERT and LSTM layers.
• Classification of emotions: Positive, Negative, Neutral.
• Ability to expand and train the model with different data sets.
• Real-time predictions based on textual input.

Installation

To install the necessary dependencies, run the following command:

pip install -r requirements.txt
# or .venv:
python3 -m venv .venv
source .venv/bin/activate

python -m pip show tensorflow tensorflow-hub
# tensorflow 2.18.0
pip install tensorflow
# tensorflow-hub 0.16.1
pip install tensorflow-hub

# on macOS: conda or miniconad
brew install miniforge
conda create -n tf_env tensorflow
conda activate tf_env

Usage

1. Clone the repository.
2. Ensure that TensorFlow and TensorFlow Hub are installed.
3. Train the model using your own dataset (or use the example dataset).
4. Run the script to test emotion classification on new text inputs.

Example

test_text = ["I am feeling excited"]
pred = model.predict(test_text)
print(f"Predicted Emotion: {pred}")

License

This project is licensed under the MIT License.

---

مشروع محاكاة مشاعر الإنسان باستخدام الذكاء الصناعي

نظرة عامة

يهدف هذا المشروع إلى محاكاة مشاعر الإنسان باستخدام الذكاء الاصطناعي. باستخدام تقنيات التعلم الآلي، وخاصة TensorFlow وطبقات LSTM، يتم تدريب النموذج لتصنيف المشاعر العاطفية من البيانات النصية. تم تصميم النموذج لتحليل النصوص، وفهم المشاعر (إيجابي، سلبي، أو محايد)، وتقديم التنبؤات بناءً على تدريبه.

الميزات

• تحليل المشاعر النصية باستخدام BERT وطبقات LSTM.
• تصنيف المشاعر: إيجابي، سلبي، محايد.
• إمكانية توسيع وتدريب النموذج باستخدام مجموعات بيانات مختلفة.
• التنبؤات الفورية بناءً على المدخلات النصية.

التثبيت

لتثبيت المتطلبات اللازمة، قم بتشغيل الأمر التالي:

pip install -r requirements.txt

#or .venv:
python3 -m venv .venv
source .venv/bin/activate

python -m pip show tensorflow tensorflow-hub
# tensorflow 2.18.0
pip install tensorflow
# tensorflow-hub 0.16.1
pip install tensorflow-hub

# on macOS: conda or miniconad
brew install miniforge
conda create -n tf_env tensorflow
conda activate tf_env

الاستخدام

1. استنساخ المستودع.
2. تأكد من تثبيت TensorFlow و TensorFlow Hub.
3. درب النموذج باستخدام مجموعة البيانات الخاصة بك (أو استخدم مجموعة البيانات المثال).
4. قم بتشغيل السكربت لاختبار تصنيف المشاعر على النصوص الجديدة.

مثال

test_text = ["I am feeling excited"]
pred = model.predict(test_text)
print(f"Predicted Emotion: {pred}")

الترخيص

هذا المشروع مرخص بموجب MIT License.

---

يمكنك إضافة المزيد من التفاصيل والميزات حسب الحاجة.