yasminouan/darja-sentiment-analysis

# Analyse de Sentiment en Darja Algérienne 🇩🇿 Projet de NLP (traitement du langage naturel) : classifier le sentiment (positif, négatif, neutre) de phrases écrites en darja algérienne (arabizi), avec une interface web pour tester le modèle en direct. ## Objectif Peu d'outils de NLP existent pour le dialecte algérien. Ce projet m'a permis d'apprendre les bases du traitement de texte appliqué à une langue peu dotée en ressources : constitution d'un dataset, nettoyage adapté aux spécificités de l'arabizi, vectorisation et classification. ## Étapes réalisées 1. **Constitution du dataset** : 149 phrases en darja (arabizi) écrites et labellisées manuellement (positive / negative / neutral), équilibrées entre les 3 classes 2. **Nettoyage du texte** : suppression de la ponctuation, mise en minuscules, suppression des nombres isolés — en préservant les chiffres arabizi (3, 7, 9) utilisés pour transcrire des sons arabes (ex: "3andi", "7abitha") 3. **Vectorisation TF-IDF** : transformation du texte en représentation numérique 4. **Split train/test stratifié** (80/20) pour garder l'équilibre des classes 5. **Entraînement d'un modèle Logistic Regression** 6. **Évaluation** avec accuracy et classification report 7. **Déploiement** via une API Flask avec interface web ## Résultat **Accuracy : 0.70** sur le jeu de test, avec une bonne précision sur la classe positive (0.88). Résultat correct compte tenu de la petite taille du dataset (149 phrases faites à la main). ## Limites et pistes d'amélioration - Dataset petit et fait main : plus de données réelles (commentaires Facebook/YouTube algériens) amélioreraient la généralisation - Pas de gestion des fautes de frappe ou variantes orthographiques de l'arabizi - Piste future : passer à un modèle pré-entraîné multilingue (ex: AraBERT ou un modèle darja) pour de meilleures performances ## Comment lancer l'appli en local 1. Cloner ce repo 2. Installer les dépendances : pip install flask joblib scikit-learn 3. Lancer le serveur : p …