CHAYBI500/darija-nlp-project

Projet de Deep Learning et NLP dédié à la classification des sentiments en Darija marocain. Cette solution exploite un pipeline complet comprenant le nettoyage des textes, la vectorisation TF-IDF, l’équilibrage des classes, l’entraînement d’un modèle Linear SVM, l’évaluation à l’aide de métriques avancées. # Darija Sentiment Analysis Projet de Deep Learning pour la classification automatique des sentiments en Darija marocaine. ## Objectif Développer un système capable de détecter automatiquement le sentiment d'un texte rédigé en Darija : - Positive - Negative - Neutral ## Dataset Le dataset est constitué de commentaires YouTube en langue arabe dialectale marocaine (Darija). Distribution initiale : - Neutral : 129 082 - Positive : 1 445 - Negative : 324 Après équilibrage : - Neutral : 129 082 - Positive : 129 082 - Negative : 129 082 Total : 387 246 échantillons ## Technologies utilisées - Python - Pandas - Scikit-Learn - TF-IDF - Linear SVM (LinearSVC) - Flask API - Matplotlib - Seaborn ## Résultats ### Cross Validation (5-Fold) - Fold 1 : 99.79 % - Fold 2 : 99.78 % - Fold 3 : 99.79 % - Fold 4 : 99.79 % - Fold 5 : 99.74 % Moyenne : 99.78 % ### Accuracy 99.77 % ### Matrice de confusion ```text [[25816 0 0] [ 4 25710 103] [ 0 71 25746]] Structure du projet api/ config/ data/ models/ notebooks/ reports/ src/ Lancement Installation : pip install -r requirements.txt Entraînement : python src/train.py Évaluation : python src/evaluate.py API Flask : cd api python app.py Auteur CHAYBI FATHI ISGA Casablanca 2025–2026