Детальная информация

Название: Классификация текстов по тональности методами машинного обучения // Системный анализ в проектировании и управлении: сборник научных трудов XXVI Международной научно-практической конференции, 13–14 октября 2022 года: [в 3 частях]. Ч. 3
Авторы: Гальченко Юлия Вадимовна; Нестеров Сергей Александрович
Организация: Санкт-Петербургский политехнический университет Петра Великого
Выходные сведения: Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023
Коллекция: Общая коллекция
Тематика: Машинное обучение; Нейронные сети; классификация; методы классификации текстов; тональность текста; интеллектуальный анализ данных; classification; text classification methods; text sentiment; data mining
УДК: 004.85; 004.032.26
Тип документа: Статья, доклад
Тип файла: PDF
Язык: Русский
DOI: 10.18720/SPBPU/2/id23-501
Права доступа: Свободный доступ из сети Интернет (чтение, печать, копирование)
Ключ записи: RU\SPSTU\edoc\71479

Разрешенные действия: Прочитать Загрузить (1,1 Мб)

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

В данной статье рассмотрены существующие методы классификации текстов по тональности, создана модель нейронной сети, которая успешно решает поставленную задачу классификации. Нейросеть была обучена на наборах данных, которые включают отзывы о различных услугах и местах, а также рецензии на фильмы. Полученная модель нейросети показала высокий результат в задаче классификации текстов по тональности на тестовых данных.

In this article, the existing methods for sentiment analysis were considered, a neural network model that successfully solves the task of classification was created. The neural network was trained on datasets that include reviews of various services and places, as well as movie reviews. The resulting neural network model showed a high result in the task of sentiment analysis on test data.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
-> Интернет Все Прочитать Печать Загрузить

Оглавление

  • SAEC_2022_Ч_3_Обложка_стр_1
  • 2138 Системный анализ ч 3_корр
    • 1
    • SAEC_2022_Ч_3
    • Step and repeat document 1 3

Статистика использования

stat Количество обращений: 131
За последние 30 дней: 20
Подробная статистика