Аналіз тональності текстів за допомогою згорткової нейронної мережі CNN

Скорочена інформація про документ
dc.contributor.advisorЯковлева, Алла Петрівна
dc.contributor.authorЗайвелєв, Юрій Ігорович
dc.date.accessioned2020-10-29T08:39:27Z
dc.date.available2020-10-29T08:39:27Z
dc.date.issued2020-06
dc.description.abstractМетою даної роботи є побудова штучної нейронної мережі CNN для задачі роспізнавання емоційного забарвлення тексту, також порівняти отримані результати з базовим рішенням у цій сфері для визначення опитамальності використання даного методу обробки інформації. Таким базовим рішенням став наївний баєсівський класифікатор, котрий теж потрібно навчити та порівняти параметри що відображають точність роботи зі значеннями що дала CNN. Актуальність теми: в наш час дуже актуальною є тема обробки та аналізу тексту у тому числі на його емоційне забарвлення. Ця тема є актуальною у бізнесі для аналізу наприклад відгуків від клієнтів чи виявлення потенційно небезпечних осіб за забарвленням їх текстів тощо. Тобі є необхідним виявляти ефективні моделі для їх вдосконалення та прогресу. Предметом дослідження є згорткова нейронна мережа котру ми будуємо з комбінації певних шарів, а також варіюючи її гіперпараметри, також є наївний баєсівський класифікатор. Об’єктом досліджень є підготована за певними стандартами вибірка, котра складається з коментарів та постів соціальної мережі твітер, котрі мають різну довжину та емоційне забарвлення. Метод дослідження: застосована згорткова нейронна мережа, а також наївний баєсівській класифікатор, а також підходи до навчання CNN такі як навчання моделі Word2Vec для embedding шару CNN, алгоритми навчання мережі були виконані на мови програмування Python 3. Отримані результати: Була побудована та навчена штучна нейрона мережа CNN з використанням певних підходів, наприклад переднавчання embedding шару, також був навчений наївний баєсівьский класифікатор на тренувальній вибірці коментарів та постів твітер. Далі було оцінено роботу кожного з алгоритмів на тестовій вибірці відносно їх складності реалізації, а наступним кроком було порівняно їх між собою та зроблено висновки про раціональність використання CNN.uk
dc.description.abstractenThe purpose of this work is to build an artificial neural network CNN for the task of recognizing the emotional color of the text, as well as to compare the results with the basic solution in this area to determine the optimality of this method of information processing. Such a basic solution was a naive Bayesian classifier, which also needs to be taught and compare parameters that reflect the accuracy of work with the values given by CNN. Relevance of the topic: nowadays the topic of text processing and analysis, including its emotional color, is very relevant. This topic is relevant in business for the analysis of, for example, customer feedback or the identification of potentially dangerous people by the color of their texts, and so on. You need to identify effective models for their improvement and progress. The subject of the research is a convolutional neural network which we build from a combination of certain layers, and also by varying its hyperparameters, there is also a naive Bayesian classifier. The object of research is a sample prepared according to certain standards, which consists of comments and posts on the social network Twitter, which have different lengths and emotional color. Research method: applied convolutional neural network, as well as a naive Bayesian classifier, as well as approaches to CNN learning such as learning the Word2Vec model for embedding the CNN layer, network learning algorithms were performed in Python 3 programming languages. Results: An artificial neural network CNN was built and trained using certain approaches, such as pre-learning embedding layer, and a naive Bayesian classifier was trained on a training sample of comments and Twitter posts. Next, the work of each of the algorithms on the test sample was evaluated in relation to their complexity of implementation, and the next step was to compare them with each other and draw conclusions about the rationality of using CNN.uk
dc.format.page94 с.uk
dc.identifier.citationЗайвелєв, Ю. І. Аналіз тональності текстів за допомогою згорткової нейронної мережі CNN : дипломна робота ... бакалавра : 124 Системний аналіз / Зайвелєв Юрій Ігорович. – Київ, 2020. – 94 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/37037
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectроспізнавання емоційного забарвення текстівuk
dc.subjectвекторне представленняuk
dc.subjectнаївний баєсівський класифікаторuk
dc.subjectconvolved neural networkuk
dc.subjectrecognition of emotional coloring of textsuk
dc.subjectvector representationuk
dc.subjectnaive bayes's classifieruk
dc.titleАналіз тональності текстів за допомогою згорткової нейронної мережі CNNuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zaiveliev_bakalavr.pdf
Розмір:
16.2 MB
Формат:
Adobe Portable Document Format
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