Олійник, Юрій ОлександровичСтепанюк, Євгеній Юрійович2020-02-172020-02-172019-12Степанюк, Є. Ю. Математичне та програмне забезпечення для аналізу потоків текстових даних : магістерська дис. : 121 Інженерія програмного забезпечення / Степанюк Євгеній Юрійович . - Київ, 2019. - 109 с.https://ela.kpi.ua/handle/123456789/31665Актуальність теми: а) покращення якості визначення емоцій в повідомленнях написаних українською мовою; б) ефективний інструмент моніторингу і оцінювання тематики груп/каналів. Мета дослідження дисертаційної роботи є покращення сентимент аналізу у текстових потоках даних. Розроблені методи і програмні засоби повинні відповідати таким вимогам: − більш висока в порівнянні з існуючими моделями якість запропонованих методів; − адаптація методів для підтримки текстів різних мов. В даній дисертаційній роботі розглядаються тексти користувачів українською та англійською мовами; − візуалізація результатів аналізу. Для реалізації поставленої мети були сформульовані наступні завдання: а) провести аналіз існуючих методів та програмних рішень; б) обґрунтувати вибір методу сентимент аналізу; в) розробити математичну модель класифікації повідомлень користувачів за сентиментом; г) покращити методи аналізу емоційної складової для потоків даних; д) реалізувати запропоновані методи у вигляді програмного засобу. візуалізувати аналіз емоційної складової потоку за певний період даних та провести експериментальні дослідження з метою визначення ефективності роботи методів і моделей. Об'єкт і предмет дослідження. Об'єктом дослідження є потік повідомлень користувачів, представлені у вигляді потоку неструктурованих текстів на природній мові. Методи дослідження: У даній дисертаційній роботі застосовувалися методи обробки природної мови, засновані на правилах, словниках та існуючих лінгвістичних ресурсах, і ймовірнісних тематичних моделях, заснованих на комплексі методів машинного навчання. Наукова новизна: У даній роботі запропоновані поліпшення для методів визначення сентименту в текстах, написаних українською мовою, представлених у вигляді потоку неструктурованих текстових даних природньою мовою, з використання алгоритму машинного навчання з учителем. Практичне значення отриманих результатів визначається тим, що запропоноване покращення до алгоритму може бути використано для прикладного аналізу емоційної складової контенту текстових каналів, груп в меcенджері telegram і т.д. Зв’язок роботи з науковими програмами, планами, темами: робота виконувалась на кафедрі автоматизованих систем обробки інформації та управління Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Методи та технології високопродуктивних обчислень та обробки надвеликих масивів даних». Державний реєстраційний номер 0117U000924. Публікації: Наукові положення дисертації опубліковані в тезах конференції «ІНФОРМАТИКА ТА ОБЧИСЛЮВАЛЬНА ТЕХНІКА – ІОТ-2019». Апробація: Основні положення роботи доповідались і обговорювались на конференції «ІНФОРМАТИКА ТА ОБЧИСЛЮВАЛЬНА ТЕХНІКА – ІОТ-2019».ukсемантичний аналізпотік данихgradient boosting treeаналіз тональностіsemantic analysisdata flowgradient boosting treetonalysis analysisMaster Thesis109 с.004