twitter-sentiment-ai

# 🐦 Twitter Sentiment Analyzer

Bu proje, Kaggle'ın **Sentiment140** veri setini kullanarak tweet'lerin duygu analizini yapar. Machine Learning algoritmaları ile tweet'leri **pozitif** veya **negatif** olarak sınıflandırır.

## 🚀 Kullanılan Teknolojiler

- **Python 3.8+**
- **scikit-learn** - Machine Learning modelleri
- **NLTK** - Doğal dil işleme
- **Pandas & NumPy** - Veri analizi
- **Matplotlib & Seaborn** - Görselleştirme
- **Streamlit** - Web arayüzü

## 📁 Proje Yapısı

```
twitter-sentiment-ai/
├── data/
│   └── sentiment140.csv        # Veri seti
├── notebooks/
│   └── 01_exploratory_data_analysis.ipynb  # EDA ve model geliştirme
├── src/
│   ├── preprocess.py           # Veri ön işleme
│   ├── train_model.py          # Model eğitimi
│   ├── evaluate_model.py       # Model değerlendirmesi
│   └── predict.py              # Tahmin fonksiyonları
├── app/
│   └── streamlit_app.py        # Streamlit web uygulaması
├── models/                     # Eğitilmiş modeller (pkl dosyaları)
├── requirements.txt
├── README.md
└── .gitignore
```

## ⚙️ Kurulum

### 1. Repoyu klonlayın
```bash
git clone https://github.com/<username>/twitter-sentiment-ai.git
cd twitter-sentiment-ai
```

### 2. Virtual environment oluşturun
```bash
python -m venv venv
source venv/bin/activate   # Windows: venv\Scripts\activate
```

### 3. Gerekli paketleri yükleyin
```bash
pip install -r requirements.txt
```

### 4. Veri setini indirin
Kaggle'dan [Sentiment140 dataset](https://www.kaggle.com/kazanova/sentiment140) indirip `data/` klasörüne koyun.

## 🎯 Kullanım

### Jupyter Notebook ile Analiz
```bash
jupyter notebook notebooks/01_exploratory_data_analysis.ipynb
```

### Model Eğitimi
```bash
python src/train_model.py
```

### Streamlit Uygulaması
```bash
streamlit run app/streamlit_app.py
```

## 💡 Örnek Kullanım

Tweet girin:
```
"I love this movie so much!"
```

Sonuç:
```
✅ Pozitif 😊
```

## 📊 Model Performansı

- **Algoritma**: Logistic Regression
- **Doğruluk (Accuracy)**: ~80-85%
- **Özellik Çıkarımı**: TF-IDF (5000 features)

## 🧠 Veri Ön İşleme Adımları

1. Mention (@username) kaldırma
2. Hashtag (#) temizleme
3. Retweet (RT) kaldırma
4. URL'leri temizleme
5. Noktalama işaretlerini kaldırma
6. Küçük harfe çevirme
7. Stop words kaldırma

## 🔮 Gelecek Geliştirmeler

- [ ] Twitter API v2 entegrasyonu ile canlı tweet analizi
- [ ] BERT/DistilBERT ile transfer learning
- [ ] Nötr sentiment sınıfı ekleme
- [ ] Model karşılaştırması (SVM, Random Forest, Neural Networks)
- [ ] Streamlit Cloud/HuggingFace Spaces deployment
- [ ] Çoklu dil desteği

## 📝 Lisans

Bu proje eğitim amaçlı geliştirilmiştir.

## 🤝 Katkıda Bulunma

1. Fork edin
2. Feature branch oluşturun (`git checkout -b feature/amazing-feature`)
3. Commit edin (`git commit -m 'Add some amazing feature'`)
4. Push edin (`git push origin feature/amazing-feature`)
5. Pull Request açın

## 📧 İletişim

Sorularınız için issue açabilirsiniz.

---

⭐ Bu projeyi beğendiyseniz yıldız vermeyi unutmayın!