Объектом исследования является анализ тональности русскоязычных текстов и его инструменты. Цель работы - разработка методики создания систем анализа тональности русскоязычных текстов инструментами веб-разработки. Исследованы методы анализа тональности текстов и программные инструменты для их реализации. Цель - разработка методики создания системы анализа тональности русскоязычных текстов при веб-разработке. Проанализированы научные статьи и учебные ресурсы, построена типология методов анализа тональности текстов, изучена насыщенность рынка готовыми инструментами анализа тональности русскоязычных текстов, выявлены незакрытые ниши в соответствии с инструментами разработки, изучены методы предварительной обработки данных. Составлена методика подготовки и обработки входящих данных и создана двухслойная нейронная сеть, анализирующая тональность текстов.

• ВВЕДЕНИЕ
• ГЛАВА 1. МЕТОДЫ АНАЛИЗА ТОНАЛЬНОСТИ ТЕКСТОВ
  • 1.1. Правила
  • 1.2. Тональные словари
  • 1.3. Машинное обучение
    • 1.3.1. Машинное обучение с учителем
    • 1.3.2 Машинное обучение без учителя
  • 1.4. Нейронные сети
  • 1.5. Выбор оптимальных методов анализа тональности для задач прикладной информатики
• ГЛАВА 2. ОБЗОР СУЩЕСТВУЮЩИХ СИСТЕМ АНАЛИЗА ТОНАЛЬНОСТИ ТЕКСТОВ
  • 2.1. Обзор рыночных аналогов
  • 2.2 . Обзор программного обеспечения
• ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ АНАЛИЗА ТОНАЛЬНОСТИ РУССКОЯЗЫЧНЫХ ТЕКСТОВ ДЛЯ ЦЕЛЕЙ ВЕБ-РАЗРАБОТКИ
  • 3.1. Сбор данных для обучения модели
  • 3.2. Нормализация входных данных
    • 3.2.1. Стемминг
    • 3.2.2. Лемматизация
  • 3.3. Векторное представление слов
    • 3.3.1. Word Embedding
    • 3.3.2. One-hot encoding
    • 3.3.3. Дистрибутивные вектора
  • 3.4. Процесс разработки модуля для анализа тональности
    • 3.4.1. Подготовка данных
    • 3.4.2. Детали разработки нейронной сети
      • 3.4.2.1. Входящие данные
      • 3.4.2.2. Описание математической задачи
      • 3.4.2.3. Результаты работы построенной модели
  • 3.5. Методика анализа тональности русскоязычных текстов
• ЗАКЛЮЧЕНИЕ
• Список использованных источников
• Приложение 1.
• Метод, запускающий обучение модели нейронной сети