PerSent 1.0.0__py3-none-any.whl

PerSent/__init__.py

@@ -0,0 +1,50 @@
+# -*- coding: utf-8 -*-
+"""
+PerSent - کتابخانه جامع تحلیل احساسات متن فارسی
+
+نسخه: 1.0.0
+"""
+
+from .core.analyzer import PersianSentimentAnalyzer
+from .domains.news import NewsAnalyzer
+from .domains.social import SocialMediaAnalyzer
+from .domains.comments import CommentAnalyzer
+from .utils.dictionary import load_custom_dictionary
+
+# تعریف نسخه
+__version__ = "1.0.0"
+__all__ = [
+    'PersianSentimentAnalyzer',
+    'NewsAnalyzer',
+    'SocialMediaAnalyzer',
+    'CommentAnalyzer',
+    'load_custom_dictionary'
+]
+
+# تنظیمات اولیه
+class Config:
+    DEFAULT_MODEL_PATH = "models/v1/"
+    ENABLE_LOGGING = True
+    MAX_TEXT_LENGTH = 5000
+
+    @classmethod
+    def set_model_path(cls, path):
+        cls.DEFAULT_MODEL_PATH = path
+
+# بارگذاری خودکار مدل‌های پایه
+try:
+    from .core.models import BaseModel
+    base_model = BaseModel()
+except ImportError as e:
+    import warnings
+    warnings.warn(f"Failed to load base models: {str(e)}")
+
+# فعال کردن لوگر پیش‌فرض
+if Config.ENABLE_LOGGING:
+    import logging
+    logging.basicConfig(
+        level=logging.INFO,
+        format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
+    )
+    logger = logging.getLogger('PerSent')
+    logger.info(f"PerSent v{__version__} initialized")

PerSent/core/models/base_model.py

@@ -0,0 +1,31 @@
+import joblib
+import numpy as np
+from gensim.models import Word2Vec
+from typing import List
+
+class BaseModel:
+    def __init__(self, model_path: str = None):
+        self.vectorizer = None
+        self.classifier = None
+        if model_path:
+            self.load(model_path)
+
+    def predict(self, tokens: List[str]) -> str:
+        """پیش‌بینی احساس از توکن‌ها"""
+        vector = self._vectorize(tokens)
+        pred = self.classifier.predict([vector])[0]
+        return self._decode_prediction(pred)
+
+    def _vectorize(self, tokens: List[str]) -> np.ndarray:
+        """تبدیل توکن‌ها به بردار"""
+        vectors = [self.vectorizer.wv[t] for t in tokens if t in self.vectorizer.wv]
+        return np.mean(vectors, axis=0) if vectors else np.zeros(100)
+
+    def _decode_prediction(self, code: int) -> str:
+        """تبدیل کد پیش‌بینی به متن"""
+        return {0: 'negative', 1: 'positive', 2: 'neutral'}.get(code, 'neutral')
+
+    def load(self, model_dir: str):
+        """بارگذاری مدل از مسیر"""
+        self.vectorizer = Word2Vec.load(f"{model_dir}/word2vec.model")
+        self.classifier = joblib.load(f"{model_dir}/classifier.joblib")

persent-1.0.0.dist-info/METADATA

@@ -0,0 +1,44 @@
+Metadata-Version: 2.4
+Name: PerSent
+Version: 1.0.0
+Summary: Comprehensive Persian Sentiment Analysis Toolkit
+Home-page: https://github.com/RezaGooner/PerSent
+Author: RezaGooner
+Author-email: RezaAsadiProgrammer@Gmail.com
+Keywords: persian-nlp,sentiment-analysis,text-analytics,farsi-text-processing
+Classifier: Development Status :: 4 - Beta
+Classifier: Intended Audience :: Developers
+Classifier: Natural Language :: Persian
+Classifier: Topic :: Text Processing :: Linguistic
+Classifier: Programming Language :: Python :: 3.8
+Classifier: License :: OSI Approved :: MIT License
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+Requires-Dist: hazm>=0.9.0
+Requires-Dist: gensim>=4.3.0
+Requires-Dist: scikit-learn>=1.3.0
+Requires-Dist: pandas>=2.0.0
+Requires-Dist: joblib>=1.3.0
+Requires-Dist: jdatetime>=4.1.0
+Dynamic: author
+Dynamic: author-email
+Dynamic: classifier
+Dynamic: description
+Dynamic: description-content-type
+Dynamic: home-page
+Dynamic: keywords
+Dynamic: requires-dist
+Dynamic: requires-python
+Dynamic: summary
+
+# PerSent - Persian Sentiment Analysis Toolkit
+
+کتابخانه جامع تحلیل احساسات متن فارسی برای حوزه‌های مختلف
+
+## قابلیت‌های کلیدی
+
+- پردازش هوشمند متن‌های فارسی
+- پشتیبانی از حوزه‌های مختلف (عمومی، خبری، شبکه‌اجتماعی)
+- ترکیب روش‌های مبتنی بر دیکشنری و یادگیری ماشین
+- محاسبه شدت احساسات
+- تشخیص خودکار حوزه متن

persent-1.0.0.dist-info/RECORD

@@ -0,0 +1,6 @@
+PerSent/__init__.py,sha256=M0A8Zd0PXPLLpjJqxH1IVi-gPh668LRECK8ldVVaCjM,1383
+PerSent/core/models/base_model.py,sha256=GIrXk4ShhlngebfktZ-i-YsvcKCiHSs9NK4qQLmFz4w,1256
+persent-1.0.0.dist-info/METADATA,sha256=Mmr5Hcby4sNOXKSTy92EUfBrtr76UEQZpIU8IShJBbU,1604
+persent-1.0.0.dist-info/WHEEL,sha256=DK49LOLCYiurdXXOXwGJm6U4DkHkg4lcxjhqwRa0CP4,91
+persent-1.0.0.dist-info/top_level.txt,sha256=D-YZBGOvL3FdEaLI9OwoTXniE26IUqE_dX3w8XEiDms,8
+persent-1.0.0.dist-info/RECORD,,

persent-1.0.0.dist-info/WHEEL

@@ -0,0 +1,5 @@
+Wheel-Version: 1.0
+Generator: setuptools (78.0.2)
+Root-Is-Purelib: true
+Tag: py3-none-any
+

persent-1.0.0.dist-info/top_level.txt

@@ -0,0 +1 @@
+PerSent