Система виявлення ознак стресу за текстовими повідомленнями в чаті

Скорочена інформація про документ
dc.contributor.advisorДідковська, Марина Віталіївна
dc.contributor.authorБутко, Марко Володимирович
dc.date.accessioned2019-09-05T14:45:41Z
dc.date.available2019-09-05T14:45:41Z
dc.date.issued2019-06
dc.description.abstractenThe thesis: 99 p., 27 fig., 7 tabl., 2 appendixes, 33 sources. The paper analyzes sentiment of the text using the methods of machine learning, particularly through the methods of deep learning and ensemble models. Existing methods of machine learning for the purpose of sentiment analysis of the text were considered. The review and construction of models for the two chosen methods of deep learning were performed. During the study of the subject area, the peculiarities of sentiment analysis of the text were determined. To improve the efficiency of the classifier, it is proposed to combine the results of the constructed models with the use of the metaclassifier. It is shown that even the simplest architectures of ensembles give better results than individual models. A software program is developed as a Telegram chat-bot in the Java programming language. Examples of application usage are presented for obtaining results of analysis of text messages. The ways of further improvement of the system are defined: the definition of the boundaries between the dialogues and the definition of the sentiment within the frame of one dialogue, which serves as a context, the classification of sarcastic statements, influence of the correct use of grammar and punctuation, systems focused on a specific subject area, the separation of the aspects in respect of which opinion is expressed.uk
dc.description.abstractukДипломна робота: 99 с., 27 рис., 7 табл., 2 додатки, 33 джерела. В роботі досліджується аналіз тональності тексту з використанням методів машинного навчання, а саме за допомогою методів глибинного навчання та ансамблів моделей. Було розглянуто існуючі методи машинного навчання для задачі аналізу тональності тексту. Виконано огляд та побудову моделей для двох обраних методів глибинного навчання. В ході дослідження предметної області визначено особливості проблеми аналізу тональності тексту. Для підвищення ефективності роботи класифікатора запропоновано комбінувати результати роботи побудованих моделей з використанням мета класифікатора. Показано, що навіть найпростіші архітектури ансамблів дають кращі результати, ніж окремі моделі. Розроблено програмний продукт у вигляді чат-бота Telegram на мові програмування Java. Показано приклади застосування програми для отримання результатів аналізу текстових повідомлень. Визначено шляхи подальшого вдосконалення системи: визначення границь між діалогами та визначення тональності у рамка одного діалогу, як контексту, класифікація саркастичних висловлювань, визначення ролі правильного використання граматики та пунктуації, орієнтовані на конкретну предметну область системи, відокремлення аспектів, стосовно яких висловлюється думка.uk
dc.format.page134 с.uk
dc.identifier.citationБутко, М. В. Система виявлення ознак стресу за текстовими повідомленнями в чаті : дипломна робота ... бакалавра : 6.040303 Системний аналіз / Бутко Марко Володимирович. – Київ, 2019. – 134 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/29073
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectаналіз тональності текстуuk
dc.subjectобробка природної мовиuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectдовга короткочасна пам’ятьuk
dc.subjectрекурсивні нейронні мережіuk
dc.subjectансамбль нейронних мережuk
dc.subjectглибинне навчанняuk
dc.subjectsentiment analysisuk
dc.subjectnatural language processinguk
dc.subjectconvolutional neural networkuk
dc.subjectlong short-term memoryuk
dc.subjectrecursive neural networkuk
dc.subjectneural network ensembleuk
dc.subjectdeep learninguk
dc.titleСистема виявлення ознак стресу за текстовими повідомленнями в чатіuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Butko_bakalavr.docx
Розмір:
2.44 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи