(КПІ ім. Ігоря Сікорського, 2024) Тимчук, Вадим Віталійович; Рупіч, Сергій Сергійович
Дипломна робота присвячена дослідженню застосування рекурентних нейронних мереж для задач сентимент-аналізу текстових даних. В роботі розглянуто та реалізовано дві архітектури нейронних мереж: Long Short-Term Memory (LSTM) та Gated Recurrent Unit (GRU).
Основна мета дослідження полягає у порівнянні ефективності та точності цих двох архітектур для аналізу настроїв текстових даних, а також у визначенні оптимальних параметрів для кожної з моделей. Для цього проведено серію експериментів, в яких використано набір даних, що складається з 3000 висловів.
В результаті роботи показано, що обидві моделі демонструють високу ефективність у задачах сентимент-аналізу, проте моделі на основі GRU мають переваги у швидкості навчання та обчислювальній складності. Запропоновано практичні рекомендації щодо вибору архітектури та налаштувань моделі залежно від конкретних вимог до задачі.
Результати цього дослідження можуть бути використані у різних сферах, включаючи маркетинг, аналіз соціальних медіа та системи підтримки клієнтів, де аналіз настроїв тексту може надати цінну інформацію для прийняття рішень.