File size: 9,714 Bytes
b833f77 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 |
import os
import re
import warnings
from collections import Counter
import google.generativeai as genai
import nltk
import numpy as np
import pandas as pd
import requests
import torch
from nltk.tokenize import word_tokenize
from transformers import AutoModelForSequenceClassification, AutoTokenizer
warnings.filterwarnings("ignore")
nltk.download("stopwords", quiet=True)
nltk.download("punkt", quiet=True)
class ReviewAnalyzer:
def __init__(self, gemini_api_key):
self.turkish_stopwords = self.get_turkish_stopwords()
self.setup_sentiment_model()
self.setup_gemini_model(gemini_api_key)
self.logistics_seller_words = {
"kargo",
"kargocu",
"paket",
"paketleme",
"teslimat",
"teslim",
"gönderi",
"gönderim",
"ulaştı",
"ulaşım",
"geldi",
"kurye",
"dağıtım",
"hasarlı",
"hasar",
"kutu",
"ambalaj",
"zamanında",
"geç",
"hızlı",
"yavaş",
"günde",
"saatte",
"satıcı",
"mağaza",
"sipariş",
"trendyol",
"tedarik",
"stok",
"garanti",
"fatura",
"iade",
"geri",
"müşteri",
"hizmet",
"destek",
"iletişim",
"şikayet",
"sorun",
"çözüm",
"hediye",
"fiyat",
"ücret",
"para",
"bedava",
"ücretsiz",
"indirim",
"kampanya",
"taksit",
"ödeme",
"bütçe",
"hesap",
"kur",
"bugün",
"yarın",
"dün",
"hafta",
"gün",
"saat",
"süre",
"bekleme",
"gecikme",
"erken",
"geç",
}
def get_turkish_stopwords(self):
"""Türkçe stop words listesi oluştur"""
github_url = "https://raw.githubusercontent.com/sgsinclair/trombone/master/src/main/resources/org/voyanttools/trombone/keywords/stop.tr.turkish-lucene.txt"
stop_words = set()
try:
response = requests.get(github_url)
if response.status_code == 200:
github_stops = set(
word.strip() for word in response.text.split("\n") if word.strip()
)
stop_words.update(github_stops)
except Exception as e:
print(f"GitHub'dan stop words çekilirken hata oluştu: {e}")
stop_words.update(set(nltk.corpus.stopwords.words("turkish")))
additional_stops = {
"bir",
"ve",
"çok",
"bu",
"de",
"da",
"için",
"ile",
"ben",
"sen",
"o",
"biz",
"siz",
"onlar",
"bu",
"şu",
"ama",
"fakat",
"ancak",
"lakin",
"ki",
"dahi",
"mi",
"mı",
"mu",
"mü",
"var",
"yok",
"olan",
"içinde",
"üzerinde",
"bana",
"sana",
"ona",
"bize",
"size",
"onlara",
"evet",
"hayır",
"tamam",
"oldu",
"olmuş",
"olacak",
"etmek",
"yapmak",
"kez",
"kere",
"defa",
"adet",
}
stop_words.update(additional_stops)
print(f"Toplam {len(stop_words)} adet stop words yüklendi.")
return stop_words
def preprocess_text(self, text):
if isinstance(text, str):
text = text.lower()
text = re.sub(r"[^\w\s]", "", text)
text = re.sub(r"\d+", "", text)
text = re.sub(r"\s+", " ", text).strip()
words = text.split()
words = [word for word in words if word not in self.turkish_stopwords]
return " ".join(words)
return ""
def setup_sentiment_model(self):
self.device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using device for sentiment: {self.device}")
model_name = "savasy/bert-base-turkish-sentiment-cased"
self.sentiment_tokenizer = AutoTokenizer.from_pretrained(model_name)
self.sentiment_model = (
AutoModelForSequenceClassification.from_pretrained(model_name)
.to(self.device)
.to(torch.float32)
)
def setup_gemini_model(self, api_key):
genai.configure(api_key=api_key)
self.gemini_model = genai.GenerativeModel("gemini-pro")
def filter_reviews(self, df):
def is_product_review(text):
if not isinstance(text, str):
return False
return not any(word in text.lower() for word in self.logistics_seller_words)
filtered_df = df[df["Yorum"].apply(is_product_review)].copy()
print(f"\nFiltreleme İstatistikleri:")
print(f"Toplam yorum sayısı: {len(df)}")
print(f"Ürün yorumu sayısı: {len(filtered_df)}")
print(f"Filtrelenen yorum sayısı: {len(df) - len(filtered_df)}")
print(
f"Filtreleme oranı: {((len(df) - len(filtered_df)) / len(df) * 100):.2f}%"
)
return filtered_df
def analyze_sentiment(self, df):
def predict_sentiment(text):
if not isinstance(text, str) or len(text.strip()) == 0:
return {"label": "Nötr", "score": 0.5}
try:
cleaned_text = self.preprocess_text(text)
inputs = self.sentiment_tokenizer(
cleaned_text,
return_tensors="pt",
truncation=True,
max_length=512,
padding=True,
).to(self.device)
with torch.no_grad():
outputs = self.sentiment_model(**inputs)
probs = torch.nn.functional.softmax(outputs.logits, dim=1)
prediction = probs.cpu().numpy()[0]
score = float(prediction[1])
if score > 0.75:
label = "Pozitif"
elif score < 0.25:
label = "Negatif"
elif score > 0.55:
label = "Pozitif"
elif score < 0.45:
label = "Negatif"
else:
label = "Nötr"
return {"label": label, "score": score}
except Exception as e:
print(f"Error in sentiment prediction: {e}")
return {"label": "Nötr", "score": 0.5}
print("\nSentiment analizi yapılıyor...")
results = [predict_sentiment(text) for text in df["Yorum"]]
df["sentiment_score"] = [r["score"] for r in results]
df["sentiment_label"] = [r["label"] for r in results]
df["cleaned_text"] = df["Yorum"].apply(self.preprocess_text)
return df
def get_key_phrases(self, text_series):
text = " ".join(text_series.astype(str))
words = self.preprocess_text(text).split()
word_freq = Counter(words)
return {
word: count
for word, count in word_freq.items()
if count >= 3 and len(word) > 2
}
def generate_summary(self, df):
# en onemli yorumları sec
high_rated = df[df["Yıldız Sayısı"] >= 4]
low_rated = df[df["Yıldız Sayısı"] <= 2]
# onemli kelimleri ve yorumlari al
positive_features = self.get_key_phrases(high_rated["cleaned_text"])
negative_features = self.get_key_phrases(low_rated["cleaned_text"])
top_positive = (
high_rated.sort_values("sentiment_score", ascending=False)["Yorum"]
.head(3)
.tolist()
)
top_negative = (
low_rated.sort_values("sentiment_score")["Yorum"].head(2).tolist()
)
summary_prompt = f"""Bu ürünün genel değerlendirmesini doğal bir dille özetleyeceksin.
Veriler:
- Toplam {len(df)} değerlendirme var
- Ortalama puan: {df['Yıldız Sayısı'].mean():.1f}/5
- Pozitif yorum oranı: {(len(df[df['sentiment_label'] == 'Pozitif']) / len(df) * 100):.1f}%
En çok tekrar eden olumlu ifadeler: {', '.join(list(positive_features.keys())[:5])}
En çok tekrar eden olumsuz ifadeler: {', '.join(list(negative_features.keys())[:5])}
Örnek olumlu yorumlar:
{' '.join(top_positive)}
Örnek olumsuz yorumlar:
{' '.join(top_negative)}
Lütfen bu bilgileri kullanarak, ürünle ilgili kullanıcı deneyimlerini tek bir paragrafta, sohbet eder gibi doğal bir dille özetle.
İstatistikleri direkt verme, onları cümlelerin içine yerleştir. Olumlu ve olumsuz yönleri dengeli bir şekilde aktar."""
response = self.gemini_model.generate_content(summary_prompt)
return response.text
def analyze_reviews(file_path, api_key):
print("Analiz başlatılıyor...")
df = pd.read_csv(file_path)
analyzer = ReviewAnalyzer(api_key)
filtered_df = analyzer.filter_reviews(df)
analyzed_df = analyzer.analyze_sentiment(filtered_df)
summary = analyzer.generate_summary(analyzed_df)
return summary, analyzed_df
|