ImpressionAnalyzer

Analyseur de sentiments pour textes en français, utilisant des modèles de traitement du langage naturel.

Prérequis

Installation Locale

• Python 3.8 ou supérieur
• pip (gestionnaire de paquets Python)
• Bash shell (pour les scripts utilitaires)

Installation Docker

• Docker Engine ou Docker Desktop
• (Optionnel) GPU CUDA pour de meilleures performances

Installation

Option 1 : Installation avec Docker (Recommandée)

1. Clonez le dépôt :

git clone git@github.com:wesley-kami/Impression_analysis.git
cd ImpressionAnalyzer

2. Construisez l'image Docker :

# Version CPU (standard)
docker build -t impression-analyzer .

# OU Version avec support GPU (si CUDA disponible)
docker build --build-arg INSTALL_TORCH=cu118 -t impression-analyzer .

3. Préparez le dossier des fichiers :

# Créez le dossier files et donnez les permissions
mkdir -p files
chmod 777 files

# Créez un fichier reviews.json d'exemple (si nécessaire)
echo '[{"review_text": "Exemple de commentaire", "date": "2025-11-05"}]' > files/reviews.json

4. Lancez le conteneur :

# Version CPU
docker run -it --rm \
    -v "$(pwd)/files:/app/files" \
    impression-analyzer

# OU Version avec GPU
docker run -it --rm \
    --gpus all \
    -v "$(pwd)/files:/app/files" \
    impression-analyzer

Note: Le montage du volume (-v) est essentiel pour persister vos données et rapports.

Option 2 : Installation Locale

1. Clonez le dépôt :

git clone git@github.com:wesley-kami/Impression_analysis.git
cd ImpressionAnalyzer

2. Créez un environnement virtuel (recommandé) :

python -m venv venv

# Sur Linux/macOS
source venv/bin/activate

# Sur Windows
.\venv\Scripts\activate

3. Installez les dépendances :

pip install --upgrade pip
pip install -r requirements.txt

4. Lancer le programme

python3 -m main 

ou

python -m main

Structure du Projet

ImpressionAnalyzer/
├── main.py              # Point d'entrée principal
├── modules/
│   ├── analysis.py      # Analyse des sentiments
│   └── interface.py     # Interface utilisateur
├── utils/
│   ├── util.py         # Utilitaires
│   └── manage_reports.sh # Gestion des rapports
└── files/              # Dossier pour les fichiers d'entrée/sortie

Utilisation

1. Placez vos fichiers de données dans le dossier files/
2. Lancez le programme :

python main.py

3. Suivez les instructions dans l'interface

Fonctionnalités

• Analyse de sentiments en français
• Interface utilisateur interactive
• Génération de rapports détaillés
• Barre de progression pour les analyses longues
• Gestion automatique des fichiers de sortie

Dépendances Principales

• transformers : Modèles de traitement du langage naturel
• pandas : Manipulation et analyse de données
• rich : Interface console améliorée
• pytorch : Backend pour les modèles de ML

Notes

• Le modèle par défaut est optimisé pour le français
• Les rapports sont générés dans files/Rapport_du_DATE
• Les résultats détaillés sont sauvegardés en CSV

Troubleshooting

Installation Locale

1. Si vous avez des erreurs de dépendances :

pip install --upgrade -r requirements.txt

2. Si le script shell ne s'exécute pas :

chmod +x utils/manage_reports.sh

3. Pour les utilisateurs de GPU, installez la version CUDA :

pip install torch --extra-index-url https://download.pytorch.org/whl/cu118

Docker

1. Si les rapports ne sont pas générés :

# Vérifiez que le dossier files existe et a les bonnes permissions
mkdir -p files
chmod 777 files

2. Pour les utilisateurs de GPU :

• Installez nvidia-container-toolkit :

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit

3. Si vous avez des problèmes de permissions :

# Réinitialisez les permissions du dossier files
sudo chown -R 1000:1000 files/

Notes Importantes

• Tous les fichiers d'entrée doivent être placés dans le dossier files/
• Les rapports sont générés dans files/Rapport_du_DATE/
• En utilisant Docker, le dossier files/ est partagé entre votre machine et le conteneur
• Pour conserver les données entre les exécutions, utilisez toujours le montage volume (-v) avec Docker