PerSent 0.1.4__tar.gz → 0.1.6__tar.gz

{persent-0.1.4 → persent-0.1.6}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: PerSent
-Version: 0.1.4
+Version: 0.1.6
 Summary: Persian Sentiment Analysis Toolkit
 Home-page: https://github.com/RezaGooner/PerSent
 Author: RezaGooner

{persent-0.1.4 → persent-0.1.6}/PerSent/__init__.py

@@ -1,4 +1,4 @@
 from .analyzer import PersianSentimentAnalyzer
 
-__version__ = "0.1.4"
+__version__ = "0.1.6"
 __all__ = ['PersianSentimentAnalyzer']

{persent-0.1.4 → persent-0.1.6}/PerSent/analyzer.py

@@ -39,6 +39,17 @@ class AdvancedPersianSentimentAnalyzer:
             'sg': 1  # استفاده از skip-gram
         }
         
+        # نگاشت برچسب‌های احساسات
+        self.emotion_labels = {
+            'ترس': 'Fear',
+            'تعجب': 'Surprise',
+            'خشم': 'Anger',
+            'تحقیر': 'Contempt',
+            'شادی': 'Joy',
+            'غم': 'Sadness',
+            'انزجار': 'Disgust'
+        }
+        
         os.makedirs(self.model_dir, exist_ok=True)
 
     def _preprocess_text(self, text, for_emotion=False):
@@ -81,19 +92,36 @@ class AdvancedPersianSentimentAnalyzer:
         return np.zeros(self.w2v_params['vector_size'])
 
     def _emotion_analysis(self, text):
-        """تحلیل احساسات پیشرفته با مدیریت خطا"""
+        """تحلیل احساسات پیشرفته با مدل BERT"""
         try:
+            # پیش‌پردازش متن برای تحلیل احساسات
             processed_text = self._preprocess_text(text, for_emotion=True)
+            
+            # تحلیل احساسات
             results = self.emotion_analyzer(processed_text)[0]
             
-            return {
-                item['label']: round(float(item['score']), 4)
-                for item in results
-                if item['label'] in ['ترس', 'تعجب', 'خشم', 'تحقیر', 'شادی', 'غم', 'انزجار']
-            }
+            # پردازش نتایج
+            emotions = {}
+            for item in results:
+                fa_label = item['label']
+                if fa_label in self.emotion_labels:
+                    en_label = self.emotion_labels[fa_label]
+                    score = round(float(item['score']), 4)
+                    emotions[en_label] = score
+            
+            # اگر همه مقادیر صفر بودند، قوی‌ترین احساس را برگردان
+            if all(v == 0 for v in emotions.values()) and results:
+                top_emotion = max(results, key=lambda x: x['score'])
+                fa_label = top_emotion['label']
+                if fa_label in self.emotion_labels:
+                    en_label = self.emotion_labels[fa_label]
+                    emotions[en_label] = round(float(top_emotion['score']), 4)
+            
+            return emotions
+            
         except Exception as e:
-            print(f"Error in emotion analysis: {str(e)}")
-            return {label: 0.0 for label in ['ترس', 'تعجب', 'خشم', 'تحقیر', 'شادی', 'غم', 'انزجار']}
+            print(f"خطا در تحلیل احساسات: {str(e)}")
+            return {label: 0.0 for label in self.emotion_labels.values()}
 
     def train(self, train_csv, test_size=0.2):
         """آموزش پیشرفته مدل تحلیل توصیه"""
@@ -151,7 +179,7 @@ class AdvancedPersianSentimentAnalyzer:
             'model_params': self.w2v_params
         }
 
-    def predict(self, text, mode=0, threshold=0.3):
+    def predict(self, text, mode=0, threshold=0.1):
         """
         پیش‌بینی پیشرفته با قابلیت تنظیم آستانه
         
@@ -220,3 +248,4 @@ class AdvancedPersianSentimentAnalyzer:
             self.vectorizer = Word2Vec.load(
                 os.path.join(self.model_dir, f'word2vec_v{version}.model')
             )
+

{persent-0.1.4 → persent-0.1.6}/PerSent.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: PerSent
-Version: 0.1.4
+Version: 0.1.6
 Summary: Persian Sentiment Analysis Toolkit
 Home-page: https://github.com/RezaGooner/PerSent
 Author: RezaGooner

{persent-0.1.4 → persent-0.1.6}/setup.py

@@ -5,7 +5,7 @@ with open("README.md", "r", encoding="utf-8") as fh:
 
 setup(
     name="PerSent",
-    version="0.1.4",
+    version="0.1.6",
     author="RezaGooner",
     author_email="RezaAsadiProgrammer@Gmail.com",
     description="Persian Sentiment Analysis Toolkit",