README.md

metadata

title: Yeqeen Halal Haram Model
emoji: 🖼
colorFrom: purple
colorTo: red
sdk: gradio
sdk_version: 4.31.5
app_file: app.py
pinned: false
license: mit
short_description: 'يقين - Yaqeen Halal Haram Classifier Model '

يقين (Yaqeen): نظام ذكاء اصطناعي لتصنيف المنتجات الغذائية

نظام ذكاء اصطناعي متكامل يستخدم معالجة اللغات الطبيعية وتعلم الآلة لتصنيف المنتجات الغذائية تلقائيًا إلى "حلال"، "حرام"، أو "مشتبه فيه" بناءً على قائمة مكوناتها.

لقطة شاشة للواجهة التفاعلية للتطبيق تعمل على تصنيف منتج يحتوي على مكون "Prosciutto"

📝 نظرة عامة

في ظل تعقيد المنتجات الغذائية الحديثة، يهدف هذا المشروع إلى توفير أداة بسيطة وفعالة لمساعدة المستهلكين المسلمين على اتخاذ قرارات غذائية مستنيرة. يقوم النظام بتحليل النصوص التي تصف المنتج ومكوناته، ويقدم حكمًا شرعيًا متوقعًا مع السبب المحتمل وراء هذا الحكم.

✨ الميزات الرئيسية

• [cite_start]تصنيف ثلاثي: يصنف المنتجات بدقة إلى حلال, حرام, و مشتبه فيه.
• [cite_start]تفسير النتائج: يقدم سببًا واضحًا للتصنيفات غير الحلال، بالاعتماد على قاعدة معرفة شرعية.
• [cite_start]دقة عالية: تم تدريب النموذج على مجموعة بيانات ضخمة وحقق دقة إجمالية تبلغ 96.69%.
• [cite_start]منهجية هجينة: يجمع بين قوة النظام الخبير القائم على القواعد ومرونة التعلم الآلي للوصول إلى أفضل النتائج.
• [cite_start]واجهة تفاعلية: تم نشره كواجهة ويب سهلة الاستخدام تم بناؤها باستخدام مكتبة Gradio.

⚙️ كيف يعمل النظام؟ (المنهجية)

يعتمد النظام على نهج هجين فريد من ثلاث خطوات رئيسية:

1. [cite_start]المرحلة الأولى: النظام الخبير: تم بناء قاعدة معرفة شاملة (قاموس بايثون) تحتوي على مئات المكونات المحرمة والمشبوهة. [cite_start]تم استخدام هذا "العقل المفكر" لتصنيف مجموعة بيانات ضخمة تضم حوالي 2 مليون منتج بشكل آلي ودقيق، مما وفر لنا بيانات تدريب موثوقة.

2. [cite_start]المرحلة الثانية: تعلم الآلة: تم استخدام البيانات المصنفة لتدريب نموذج الانحدار اللوجستي (Logistic Regression). [cite_start]تم تحويل النصوص إلى متجهات رقمية باستخدام TfidfVectorizer لتمكين النموذج من "فهم" العلاقة بين الكلمات والحكم الشرعي.

3. [cite_start]المرحلة الثالثة: التطبيق النهائي: الواجهة التفاعلية تستخدم هذا النظام الهجين. [cite_start]أولاً، يقوم نموذج تعلم الآلة بإعطاء التنبؤ الأولي. [cite_start]ثانيًا، تقوم قاعدة المعرفة بالبحث في النص لتقديم تفسير واضح ومنطقي للمستخدم.

🛠️ التقنيات المستخدمة

• [cite_start]اللغة: Python 3.8+
• [cite_start]تحليل البيانات: Pandas, NumPy
• [cite_start]تعلم الآلة: Scikit-learn
• [cite_start]الواجهة التفاعلية: Gradio
• [cite_start]مكتبات مساعدة: Joblib (لحفظ النموذج), re (للتعابير النمطية), Matplotlib/Seaborn (لعرض النتائج)

📂 هيكل المشروع