Klasyfikacja Emocji w Tekstach - Projekt NLP 🎭

Przegląd 📋

Model automatycznej klasyfikacji emocji dla firmy monitorującej media społecznościowe. Projekt implementuje pipeline uczenia maszynowego do kategoryzacji tekstów na 6 emocji: radość 😊, smutek 😢, złość 😠, strach 😨, miłość ❤️ i zaskoczenie 😲.

Kontekst Biznesowy 💼

Firmy monitorujące media społecznościowe potrzebują zautomatyzowanych narzędzi do analizy tysięcy postów dziennie. Manualna kategoryzacja emocji jest czasochłonna i kosztowna, ograniczając możliwość reakcji w czasie rzeczywistym na zmiany nastrojów konsumentów.

Wyniki 🎯

• 82% dokładności na zbiorze testowym ✅ - przekracza założony próg biznesowy 75%
• Najlepsze wyniki: smutek (F1: 0.873), złość (F1: 0.846)
• Najtrudniejsze klasy: zaskoczenie (F1: 0.673), miłość (F1: 0.704)
• Model gotowy do wdrożenia produkcyjnego 🚀

Stack Technologiczny 🛠️

• Python 3.12 🐍
• scikit-learn 🤖 - Uczenie maszynowe
• TF-IDF 📝 - Wektoryzacja tekstu
• Regresja logistyczna 📊 - Najlepszy model
• Pandas, NumPy 🔢 - Przetwarzanie danych
• Matplotlib, Seaborn 📈 - Wizualizacja

Struktura Projektu 📁

emotion-classification-nlp/
├── README.md
├── requirements.txt
├── analiza_sentymentu_emotions.ipynb    # Główny notebook z analizą
├── data/
│   ├── train.txt              # Zbiór treningowy
│   ├── val.txt                # Zbiór walidacyjny 
│   └── test.txt               # Zbiór testowy 
├── src/
│   ├── __init__.py
│   ├── data_exploration.py    # Funkcje eksploracji danych 
│   ├── preprocessing.py       # Pipeline przetwarzania tekstu 
│   ├── modeling.py           # Trenowanie i porównanie modeli
│   ├── evaluation.py         # Finalna ewaluacja i tuning
│   └── deployment.py         # Wdrożenie modelu do produkcji
└── results/
    ├── confusion_matrix.png
    ├── training_data_exploration.png
    └── emotion_model.pkl      # Zapisany model

Instalacja ⚙️

1. Sklonuj repozytorium:

git clone https://github.com/twojusername/emotion-classification-nlp.git
cd emotion-classification-nlp

2. Zainstaluj zależności:

pip install -r requirements.txt

Użycie 🚀

Otwórz analiza_sentymentu_emotions.ipynb w Jupyter Notebook/Lab dla kompletnej analizy z wizualizacjami i szczegółowymi wyjaśnieniami.

jupyter notebook analiza_sentymentu_emotions.ipynb

Kluczowe Funkcjonalności ⭐

Inteligentne Przetwarzanie Tekstu 🧠

• Automatyczne wykrywanie stop words używając heurystyki (słowa występujące w >67% klas emocji)
• Wektoryzacja TF-IDF z uni- i bi-gramami
• Zbalansowane wagi klas do radzenia sobie z nierównowagą danych

Porównanie Modeli 🏁

Przetestowano 3 algorytmy:

• Regresja logistyczna (Zwycięzca: 80.93% dokładności walidacyjnej)
• Random Forest (78.00% dokładności, problemy z overfittingiem)
• Naive Bayes (78.72% dokładności, najlepsza generalizacja)

Zaawansowana Analiza 🔬

• Macierz pomyłek 🎯 ujawniająca wzorce błędnej klasyfikacji emocji
• Ważność cech 💡 pokazująca charakterystyczne słowa dla każdej emocji
• Analiza błędów 🕵️ identyfikująca wyzwania językowe (ironia, mieszane emocje)

Wdrożenie Modelu 🚀

Po wytrenowaniu modelu w notebooku, można go używać do klasyfikacji nowych tekstów:

from src.deployment import EmotionPredictor

# Wczytanie wytrenowanego modelu
predictor = EmotionPredictor()
predictor.load_model()

# Klasyfikacja pojedynczego tekstu
emotion, confidence = predictor.predict_emotion("I feel really happy today!")
print(f"Emocja: {emotion}, Pewność: {confidence:.3f}")

# Klasyfikacja wielu tekstów
texts = ["Great news!", "I'm worried", "This is surprising"]
results = predictor.predict_batch(texts)

Uwagi wdrożeniowe: ⚠️

• Modele z pewnością <50% wymagają przeglądu przez analityka
• System nadaje się do automatycznego pre-sortowania z opcją weryfikacji manualnej
• Model zapisywany jest w formacie pickle w results/emotion_model.pkl

Zbiór Danych 📊

• Trening: 16,000 próbek
• Walidacja: 2,000 próbek
• Test: 2,000 próbek
• Format: Pary tekst-emocja oddzielone średnikiem
• Źródło: Emotions Dataset for NLP 🔗

Kluczowe Obserwacje 💡

1. Radość często mylona ze smutkiem - wskazuje na obecność ironii/sarkazmu w mediach społecznościowych
2. Zaskoczenie najtrudniejsze do klasyfikacji - z powodu nierównowagi danych (3.6% próbek)
3. Wulgarny język koreluje z silnymi emocjami - ważne dla moderacji treści
4. Kontekst ma znaczenie - te same słowa mogą wyrażać różne emocje w zależności od użycia

Zastosowania Biznesowe 💼

• Zarządzanie kryzysowe - Szybka detekcja negatywnych nastrojów
• Monitoring kampanii - Śledzenie pozytywnych reakcji na marketing
• Moderacja treści - Automatyczne filtrowanie oparte na emocjach
• Insights konsumenckie - Zrozumienie emocjonalnych reakcji klientów

Przyszłe Usprawnienia 🔮

• Zebranie większej ilości danych dla niedoreprezentowanych emocji (zaskoczenie, miłość) 📊
• Implementacja metod ensemble lub modeli transformer 🤖
• Dodanie preprocessing wykrywającego ironię/sarkazm 🙃
• Stworzenie kategorii mieszanych emocji 🎭

Metodologia 📋

Projekt realizowany według standardu CRISP-DM:

1. Zrozumienie biznesowe - Analiza potrzeb firmy monitorującej media
2. Zrozumienie danych - Eksploracja 16k tekstów i rozkładu emocji
3. Przygotowanie danych - Inteligentne przetwarzanie i wektoryzacja TF-IDF
4. Modelowanie - Porównanie algorytmów i wybór najlepszego
5. Ewaluacja - Tuning hiperparametrów, testy finalne i analiza wyników
6. Wdrożenie - Deployment modelu z interfejsem predykcji

Licencja 📄

MIT License