Методи машинного навчання в сентимент аналізі текстової інформації

Скорочена інформація про документ
dc.contributor.advisorМалишевський, Олексій Григорович
dc.contributor.authorРудзевич, Анна-Мария Павлівна
dc.date.accessioned2020-08-19T16:20:43Z
dc.date.available2020-08-19T16:20:43Z
dc.date.issued2020
dc.description.abstractenMaster's Thesis: 88 pages, 38 figures, 22 tables and 39 sources. The methods of machine learning and its application to sentiment analysis are investigated in the master's thesis. Approaches to solving the problem of sentiment analysis were considered and their advantages and disadvantages were reviewed. It also describes basic ML methods for analyzing text tonality, namely the Naive Bayes classifier, the support vector machine (SVM), and the convolutional neural network (CNN). The thesis also deals with the stages of text pre-processing, such as stemming, stop-words removing and word embedding algorithms: bag-of-words, TF-IDF vectorizer. The research is based on the analysis of Instagram comments to assess changes in public opinion during the 2019 Presidential election campaign. The ML methods mentioned above are used for sentiment analysis of up-to-date pre-processed data. The obtained results were analyzed and the quality of the classification of the applied methods was compared.uk
dc.description.abstractukМагістерська дисертація: 88 с., 38 рис., 22 табл. і 39 джерела. У магістерській дисертації досліджуються методи машинного навчання для задач сентимент аналізу. Було розглянуто підходи до вирішення задачі сентимент аналізу і проведено огляд їх переваг та недоліків. Також описано основні методи МН для аналізу тональності тексту, а саме Наївний Байєсівський класифікатор, метод опорних векторів та згорткова нейронна мережа. У роботі також розглянуто етапи попередньої обробки тексту, такі як стемінг, видалення стоп-слів, алгоритми переведення слів до векторної форми: мішок слів та TF-IDF векторайзер. Практичне дослідження побудовано на аналізі коментарів з соціальної мережі Інстаграм для оцінки зміни громадської думки під час президентської передвиборчої кампанії 2019 року. Наведені методи МН застосовуються для вирішення задачі сентимент аналізу з використанням актуальних попередньо оброблених даних. Отримані результати було проаналізовано та порівняно якість класифікації застосованих методів. Ключові слова: машинне навчання, сентимент аналіз, аналіз тональності тексту, інтелектуальний аналіз тексту.uk
dc.format.page88 с.uk
dc.identifier.citationРудзевич, А.-М. П. Методи машинного навчання в сентимент аналізі текстової інформації : магістерська дис : 122 Комп'ютерні науки / Рудзевич Анна-Марія Павлівна. – Київ, 2020. – 88 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/35699
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectсентимент аналізuk
dc.subjectаналіз тональності текстуuk
dc.subjectінтелектуальний аналіз текстуuk
dc.subjectmachine learninguk
dc.subjectsentiment analysisuk
dc.subjectopinion mininguk
dc.subjecttext mininguk
dc.subject.udc004.855.5:519.257uk
dc.titleМетоди машинного навчання в сентимент аналізі текстової інформаціїuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Rudzevich_magistr.pdf
Розмір:
2 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи