Таблица | Карточка | RUSMARC | |
Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
В данной работе рассматривается задача анализа тональности текста. В первой главе дано ее описание и способы решения. Произведен обзор существующих систем для определения тональности текста. Во второй главе исследуются методы машинного обучения. В третьей главе описана программная реализация оценивающего качество классификации модуля на языке Python. В четвертой главе представлены результаты оценки качества работы рассмотренных методов машинного обучения.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все | |||||
Интернет | Авторизованные пользователи СПбПУ | |||||
Интернет | Анонимные пользователи |
Оглавление
- ВВЕДЕНИЕ
- ГЛАВА 1. ЗАДАЧА АНАЛИЗА ТОНАЛЬНОСТИ ТЕКСТОВ
- 1.1. Подходы к классификации тональности
- 1.2. Проблемы анализа тональности текста
- 1.3. Типы сентимент-анализа
- 1.3.1. Уровень документа
- 1.3.2. Уровень предложения
- 1.3.3. Уровень аспектов или сущностей
- 1.4. Обзор существующих систем для определения тональности текстов
- ГЛАВА 2. ОБЗОР ЗАДАЧИ КЛАССИФИКАЦИИ
- 2.1. Постановка задачи классификации текста
- 2.2. Оценка эффективности классификации
- 2.2.1. Методы оценки классификации
- 2.2.2. Метрики качества классификации
- 2.3. Индексирование документов
- 2.3.1. Предварительная обработка текстов
- 2.3.2. Bag-of-words
- 2.3.3. Word2vec
- 2.3.4. Метрики TF-IDF и Delta TF-IDF.
- 2.5. Методы машинного обучения для классификации текстов
- 2.5.1. Наивный классификатор Байеса
- 2.5.2. Метод опорных векторов
- 2.5.3. AdaBoost
- 2.5.4. Логистическая регрессия
- 2.5.7. Сверточная нейронная сеть
- 2.5.5. Дерево принятия решений
- 2.5.6. Случайный лес
- ГЛАВА 3. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ
- 3.1. Описание работы модуля
- 3.3. Используемые инструменты
- 3.3.1. Обработка и хранение текстовых данных
- 3.3.2. Векторизация
- 3.3.3. Классификация
- 3.3.4. Обработка и предоставление результатов
- ГЛАВА 4. ЧИСЛЕННЫЕ ЭКСПЕРИМЕНТЫ
- 4.1. Оценка качества работы нейронной сети
- 4.2. Оценка качества работы алгоритмов классификации
- 4.2.1. Классический подход
- 4.2.2. Подход Word2Vec
- 4.2.3. Оптимальные параметры
- 4.2.4. Лучший алгоритм классификации
- 4.3. Сравнение подходов
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- Приложение 1
- Приложение 2
Статистика использования
Количество обращений: 954
За последние 30 дней: 0 Подробная статистика |