PerSent 1.0.0__tar.gz

persent-1.0.0/PKG-INFO

@@ -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/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-1.0.0/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/PerSent.egg-info/PKG-INFO

@@ -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/PerSent.egg-info/SOURCES.txt

@@ -0,0 +1,10 @@
+README.md
+setup.py
+PerSent/__init__.py
+PerSent.egg-info/PKG-INFO
+PerSent.egg-info/SOURCES.txt
+PerSent.egg-info/dependency_links.txt
+PerSent.egg-info/requires.txt
+PerSent.egg-info/top_level.txt
+PerSent/core/models/base_model.py
+tests/test_core.py

persent-1.0.0/PerSent.egg-info/dependency_links.txt

@@ -0,0 +1 @@
+

persent-1.0.0/PerSent.egg-info/requires.txt

@@ -0,0 +1,6 @@
+hazm>=0.9.0
+gensim>=4.3.0
+scikit-learn>=1.3.0
+pandas>=2.0.0
+joblib>=1.3.0
+jdatetime>=4.1.0

persent-1.0.0/PerSent.egg-info/top_level.txt

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

persent-1.0.0/README.md

@@ -0,0 +1,11 @@
+# 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/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

persent-1.0.0/setup.py

@@ -0,0 +1,51 @@
+from setuptools import setup, find_packages
+import os
+
+def get_version():
+    here = os.path.abspath(os.path.dirname(__file__))
+    with open(os.path.join(here, "PerSent", "__init__.py"), encoding="utf-8") as f:
+        for line in f.readlines():
+            if line.startswith("__version__"):
+                return line.split("=")[1].strip().strip('"\'')
+    return "0.1.0"
+
+setup(
+    name="PerSent",
+    version=get_version(),
+    packages=find_packages(),
+    package_data={
+        "PerSent": [
+            "core/models/*",
+            "utils/lexicons/*.json"
+        ]
+    },
+    install_requires=[
+        "hazm>=0.9.0",
+        "gensim>=4.3.0",
+        "scikit-learn>=1.3.0",
+        "pandas>=2.0.0",
+        "joblib>=1.3.0",
+        "jdatetime>=4.1.0"
+    ],
+    python_requires=">=3.8",
+    author="RezaGooner",
+    author_email="RezaAsadiProgrammer@Gmail.com",
+    description="Comprehensive Persian Sentiment Analysis Toolkit",
+    long_description=open("README.md", encoding="utf-8").read(),
+    long_description_content_type="text/markdown",
+    url="https://github.com/RezaGooner/PerSent",
+    classifiers=[
+        "Development Status :: 4 - Beta",
+        "Intended Audience :: Developers",
+        "Natural Language :: Persian",
+        "Topic :: Text Processing :: Linguistic",
+        "Programming Language :: Python :: 3.8",
+        "License :: OSI Approved :: MIT License",
+    ],
+    keywords=[
+        "persian-nlp",
+        "sentiment-analysis",
+        "text-analytics",
+        "farsi-text-processing"
+    ],
+)

persent-1.0.0/tests/test_core.py

@@ -0,0 +1,20 @@
+import unittest
+from PerSent.core.analyzer import PersianSentimentAnalyzer
+from PerSent.domains import NewsAnalyzer
+
+class TestCoreFunctionality(unittest.TestCase):
+    def setUp(self):
+        self.general_analyzer = PersianSentimentAnalyzer()
+        self.news_analyzer = NewsAnalyzer()
+
+    def test_general_analysis(self):
+        result = self.general_analyzer.analyze("این محصول خوب است")
+        self.assertIn(result, ['positive', 'negative', 'neutral'])
+
+    def test_news_analysis(self):
+        news_text = "رشد اقتصادی در سال جاری مثبت بود"
+        result = self.news_analyzer.analyze(news_text)
+        self.assertEqual(result, 'positive')
+
+if __name__ == '__main__':
+    unittest.main()