Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
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.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All | |||||
Internet | Authorized users SPbPU | |||||
Internet | Anonymous |
Table of Contents
- 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
Usage statistics
Access count: 954
Last 30 days: 2 Detailed usage statistics |