Детальная информация
Название | Анализ тональности сообщений социальной сети: выпускная квалификационная работа бакалавра: 09.03.01 - Информатика и вычислительная техника ; 09.03.01_02 - Технологии разработки программного обеспечения |
---|---|
Авторы | Мануйлова Мария Игоревна |
Научный руководитель | Богач Наталья Владимировна |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Выходные сведения | Санкт-Петербург, 2018 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | анализ тональности ; словарный подход ; наивный байесовский классификатор ; социальная сеть |
Тип документа | Выпускная квалификационная работа бакалавра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Бакалавриат |
Код специальности ФГОС | 09.03.01 |
Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
Ссылки | Отзыв руководителя ; Рецензия |
DOI | 10.18720/SPBPU/2/v18-5041 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\57445 |
Дата создания записи | 21.11.2018 |
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 |
В данной работе разработана программа, которая автоматически определяет тональность отзывов, найденных в социальной сети Twitter, о каком-либо событии или мероприятии по введенному ключевому слову. Был проведен обзор предметной области, в результате которого были выделены подходы автоматического определения тональностей и возможные проблемы. Были исследованы особенности сообщений данной социальной сети, а также подробнее были изучены наивный байесовский классификатор и словарный подход.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
- ВВЕДЕНИЕ
- 1. Автоматическое определение тональности
- 1.1. Подходы автоматического определения тональности
- 1.1.1. Подход, основанный на правилах
- 1.1.2. Подход, основанный на использовании словарей тональности
- 1.1.3. Подход, основанный на машинном обучении с учителем
- 1.1.4. Подход, основанный на обучении без учителя
- 1.2. Проблемы автоматического определения тональности
- 1.2.1. Использование сарказма и иронии
- 1.2.2. Использование отрицания
- 1.2.3. Зависимость значения тональности от предметной области
- 1.2.4. Безграмотные тексты и опечатки
- 1.3. Вывод
- 1.1. Подходы автоматического определения тональности
- 2. Исследование выбранных компонентов
- 2.1. Особенности сообщений в социальной сети Twitter
- 2.1.1. Малый размер сообщений
- 2.1.2. Использование эмотиконов и других специальных символов
- 2.1.3. Использование сленга, сокращений, наличие грамматических ошибок и опечаток
- 2.2. Словарный подход анализа тональности
- 2.3. Наивный байесовский классификатор
- 2.1. Особенности сообщений в социальной сети Twitter
- 3. Реализация автоматического определения тональности
- 3.1. Используемые библиотеки
- 3.1.1. tweepy
- 3.1.2. nltk
- 3.1.3. pymorphy2
- 3.1.4. Word2Vec
- 3.1.5. PyEnchant
- 3.1.6. tkinter
- 3.2. Алгоритм работы
- 3.2.1. Загрузка и считывание словарей
- 3.2.2. Поиск сообщений по ключевому слову
- 3.2.3. Определение тональности
- 3.2.4. Вывод результата
- 3.3. Тестирование системы
- 3.3.1. Ввод ключевого слова
- 3.3.2. Поиск сообщений
- 3.3.3. Анализ тональности
- 3.3.4. Вывод результатов
- 3.3.5. Работоспособность кнопок «Next» и «Exit»
- 3.4. Результаты
- 3.1. Используемые библиотеки
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- ПРИЛОЖЕНИЕ. КОД ПРОГРАММЫ
Количество обращений: 175
За последние 30 дней: 2