This project aims to answer some questions about movies and series.
Using Recurrent Neural Networks, it can classify good or bad user comments, also make graphs according to analysis.
- There is a Python file called ; "app.py". That file includes an application version of the program. It has a basic interface to manage operations.
- Also there is another file "imdb.py". That was just my workspace. It's not the main codes, just a backup.
- Before run the "app.py", you must download the libraries. In the top of the codes you can find the library names and just download them with pip commands.
- Then you download the libraries, you can run the "app.py". Program will automatically download the IMDB Dataset and be ready to use.
- 1- Test the dataset.
- 2- Draw a graph to show distribution of words in the dataset.
- 3- How many different words are in the dataset?
- 4- Which integer corresponds to which word?
- 5- Convert an index number into corresponded comment text. (Decryption of comment)
- 6- Start to train the model. (When you select that operation, it will start processing automatically. Algorithms will be executed by one by one. You'll be able to see all progress in terminal.)
Bu proje, film ve dizilerle ilgili bazı soruları yanıtlamayı amaçlıyor.
Recurrent Neural Networks kullanarak iyi veya kötü kullanıcı yorumlarını sınıflandırabilir, ayrıca analizlere göre grafikler yapabilir.
- Bir Python dosyası var; "app.py". Bu dosya, programın bir uygulama sürümünü içerir. İşlemleri yönetmek için temel bir arayüze sahiptir.
- Ayrıca "imdb.py" adlı başka bir dosya daha var. Orası benim çalışma alanımdı. Ana kodlar değil, sadece bir yedek.
- "app.py" dosyasını çalıştırmadan önce kütüphaneleri indirmelisiniz. Kodların üst kısmında kütüphane isimlerini bulabilir ve sadece pip komutları ile indirebilirsiniz.
- Kütüphaneleri indirdikten sonra, "app.py" dosyasını çalıştırabilirsiniz. Program IMDB Veri Kümesini otomatik olarak indirecek ve kullanıma hazır hale gelecektir.
- 1- Veri setini test edin.
- 2- Veri kümesindeki kelimelerin dağılımını gösteren bir grafik çizin.
- 3- Veri setinde kaç farklı kelime var?
- 4- Hangi tam sayı hangi kelimeye karşılık gelir?
- 5- Bir dizin numarasını karşılık gelen yorum metnine dönüştürün. (Yorumun dekripte edilmesi)
- 6- Modeli eğitmeye başlayın. (Bu işlemi seçtiğinizde otomatik olarak işlemeye başlayacaktır. Algoritmalar tek tek çalıştırılacaktır. Tüm gelişmeleri terminalde görebileceksiniz.)