Аналіз настроїв текстових повідомлень із використанням методів машинного навчання
dc.contributor.advisor | Дмитрієва, Ольга Анатоліївна | |
dc.contributor.author | Староконь, Денис Ігорович | |
dc.date.accessioned | 2024-11-25T10:09:57Z | |
dc.date.available | 2024-11-25T10:09:57Z | |
dc.date.issued | 2024 | |
dc.description.abstract | Дипломна робота: 69 с., 10 рис., 7 табл., 1 додаток, 14 джерел. Об’єктом дослідження є процеси машинного навчання, що орієнтовані на аналіз настроїв текстових повідомлень - відгуків на товари та фільми. Предметом дослідження є алгоритми інтелектуального аналізу текстових даних для визначення тональності відгуків та передбачення настроїв користувачів. Мета роботи полягає у підвищенні ефективності алгоритмів аналізу текстових повідомлень у галузі електронної комерції із застосуванням методів машинного навчання. Методи розробки базуються на використанні основних положень теорії обробки природної мови, математичної статистики, машинного навчання, інтелектуального аналізу даних. Навчання розроблених моделей здійснювалося з використанням методів та систем штучного інтелекту. Проектування програмної частини роботи ґрунтувалося на підходах, що застосовуються при аналізі обчислювальних алгоритмів, було задіяно сучасні технології розробки програмного забезпечення. Практичне значення роботи полягає в створенні програмного продукту для аналізу текстових повідомлень та визначення тональності відгуків на товари у галузі електронної комерції фільмів. | |
dc.description.abstractother | Diploma thesis: 69 p., 10 figures, 7 tables, 1 appendix, 14 references. This paper presents an in-depth comparative study of various advanced machine learning techniques for binary sentiment classification, focusing on the analysis of Amazon product reviews and IMDB movies reviews. Sentiment classification is a critical component of natural language processing (NLP) and plays a vital role in understanding consumer sentiments in e-commerce. This study specifically compares the effectiveness of traditional machine learning approaches - TF-IDF with Logistic Regression and Naive Bayes - and deep learning methods, including Long Short-Term Memory (LSTM) networks, an Encoder-based Transformer model, BERT with Low-Rank Adaptation (LoRA) fine-tuning, full BERT fine-tuning and Mixture of Experts BERT training. | |
dc.format.extent | 75 с. | |
dc.identifier.citation | Староконь, Д. І. Аналіз настроїв текстових повідомлень із використанням методів машинного навчання : дипломна робота ... бакалавра : 124 Системний аналіз / Староконь Денис Ігорович. - Київ, 2024. - 75 с. | |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/70774 | |
dc.language.iso | uk | |
dc.publisher | КПІ ім. Ігоря Сікорського | |
dc.publisher.place | Київ | |
dc.subject | аналіз настроїв | |
dc.subject | текстове повідомлення | |
dc.subject | використання методів машинного навчання | |
dc.subject | нейронні мережі | |
dc.subject | електронна комерція | |
dc.subject | суміш експертів | |
dc.subject | entiment analysis | |
dc.subject | text message | |
dc.subject | machine learning | |
dc.subject | neural networks | |
dc.subject | e-commerce | |
dc.subject | mixture of experts | |
dc.title | Аналіз настроїв текстових повідомлень із використанням методів машинного навчання | |
dc.type | Bachelor Thesis |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Starokon_bakalavr.pdf
- Розмір:
- 1.93 MB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: