RafatMohammed/arabic-sentiment-marbertv2

MARBERTv2 Arabic Sentiment Analysis

هذا النموذج مخصص لتصنيف المشاعر في النصوص العربية إلى ثلاث فئات: **إيجابي (Positive)**، محايد (Neutral)، وسلبي (Negative). تم بناء النموذج باستخدام بنية MARBERTv2 وتدريبه على مجموعة بيانات عربية ضخمة ومصنفة.

This model is designed for Arabic Sentiment Analysis, classifying text into three categories: Positive, Neutral, and Negative. It is based on the MARBERTv2 architecture and was fine-tuned on a custom Arabic dataset.

Model Details | تفاصيل النموذج

• Developed by: Eng.Rafat Mohammed
• Model type: BERT-based Sequence Classification
• Language(s): Arabic (ar)
• License: MIT
• Finetuned from model: UBC-NLP/MARBERTv2

Intended Uses & Limitations | الاستخدامات والقيود

Intended Use

• تحليل آراء العملاء في منصات التواصل الاجتماعي.
• تصنيف التعليقات والتقييمات للمنتجات والخدمات العربية.
• دراسات تحليل المشاعر العامة للنصوص العربية.

Limitations

• قد يواجه النموذج صعوبة في فهم بعض اللهجات العربية المحلية شديدة الخصوصية.
• الأداء الأفضل يكون مع النصوص التي تم تنظيفها من الرموز التعبيرية المبالغ فيها والروابط.

Training Procedure | طريقة التدريب

Training Hyperparameters

• Epochs: 3
• Learning Rate: 2e-5
• Batch Size: 8
• Weight Decay: 0.01
• Warmup steps: 300
• Max Sequence Length: 256

Dataset Split

تم تقسيم البيانات بنسبة 80/20:

• Training set: 40,000 samples
• Evaluation set: 10,000 samples

Evaluation Results | نتائج التقييم

Metric	Value
Accuracy	80.93%
F1 Score	80.69%
Eval Loss	0.7561

Usage Example | مثال على الاستخدام

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# تحميل النموذج والتوكنايزر
model_name = "RafatMohammed/MARBERTv2-sentiment-final"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# دالة التوقع
def predict_sentiment(text):
    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=128)
    with torch.no_grad():
        outputs = model(**inputs)
        pred_id = outputs.logits.argmax(dim=-1).item()
    
    id2label = {0: "negative", 1: "neutral", 2: "positive"}
    return id2label[pred_id]

# تجربة
print(predict_sentiment("الخدمة ممتازة وسريعة جداً")) # Output: positive
print(predict_sentiment("تأخر الطلب كثيراً ولم يعجبني الطعام")) # Output: negative

Citation | الاقتباس

إذا وجدت هذا النموذج مفيداً في بحثك، يرجى الإشارة إليه.

@misc{marbertv2-arabic-sentiment,
  author = {Rafat Mohammed},
  title = {MARBERTv2 Arabic Sentiment Analysis Model},
  year = {2026},
  publisher = {Hugging Face},
  journal = {Hugging Face Model Hub}
}