Movie_Review_Sentiment_Analysis_App

? App zur Stimmungsanalyse von Filmkritiken

Analysieren Sie Filmkritiken mühelos mit dieser Stimmungsanalyse-App! Diese Anwendung verwendet das Google Gemini-1.5-flash-001-Modell für ein erweitertes Verständnis natürlicher Sprache, um Bewertungen als positiv , negativ oder neutral zu klassifizieren. Es bietet auch eine Erklärung für die gewählte Stimmung und hilft Benutzern, die Analyse besser zu verstehen.

---

? Merkmale

• Stimmungsklassifizierung : Klassifiziert Filmkritiken in positiv, neutral oder negativ.
• Erläuterungen : Bietet eine klare Begründung für die Stimmungsklassifizierung.
• Benutzerfreundliche Oberfläche : Entwickelt mit Streamlit für ein intuitives und interaktives Erlebnis.
• Unterstützt durch KI : Nutzt das hochmoderne Google Gemini-1.5-flash-001-Modell für ein robustes Verständnis natürlicher Sprache.

---

Verwendete Technologien

• Python : Backend-Logik und -Integration.
• Streamlit : Interaktive Weboberfläche.
• Google Gemini-Modell : Erweiterte KI für die Stimmungsanalyse.
• dotenv : API-Schlüssel sicher laden.
• Google Generative AI SDK : Greifen Sie auf Google Gemini APIs zu.

---

Erste Schritte

Voraussetzungen

1. Python 3.9 oder höher.
2. Ein Google Cloud-Konto mit Zugriff auf das Modell Gemini-1.5-flash-001 .
3. Streamlit auf Ihrem Computer installiert.

Installation

1. Klonen Sie das Repository:

   git clone https://github.com/your-username/movie-review-sentiment-analysis.git
   cd movie-review-sentiment-analysis

2. Erstellen Sie eine virtuelle Umgebung und aktivieren Sie sie:

   python -m venv venv
   source venv/bin/activate  # On Windows: venvScriptsactivate

3. Installieren Sie die Abhängigkeiten:

   pip install -r requirements.txt

4. Fügen Sie Ihren Google API-Schlüssel zu einer .env Datei hinzu

---

Verwendung

1. Führen Sie die App lokal aus:

   streamlit run app.py

2. Öffnen Sie die App in Ihrem Browser unter http://localhost:8501 .

3. Geben Sie eine Filmrezension in das Textfeld ein und klicken Sie auf „Stimmung analysieren“, um die Stimmung und Erklärung anzuzeigen.