Details

Title: Программа анализа тональности текстов на основе методов машинного обучения: выпускная квалификационная работа бакалавра: 09.03.04 - Программная инженерия ; 09.03.04_01 - Технология разработки и сопровождения качественного программного продукта
Creators: Бухалова Анастасия Дмитриевна
Scientific adviser: Дробинцев Павел Дмитриевич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2019
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: машинное обучение; анализ тональности; обработка естественного языка; наивный байесовский классификатор; нейронные сети; метод опорных векторов; machine learning; sentiment analysis; natural language processing; naive bayes classifier; neural network; support vector machine
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 09.03.04
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-4549
Rights: Доступ по паролю из сети Интернет (чтение)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Работа посвящена разработке программы анализа тональности текстов на основе следующих методов машинного обучения: наивный байесовский классификатор, метод опорных векторов, нейронные сети. В главе 1 производится обзор подходов, применяемых в области анализа тональности, сложностей, встречающиеся при решении задач, и существующих исследований, анализирующих перечисленные подходы. В главе 2 рассматриваются суть задачи классификации, алгоритмы классификации, а также их математические модели. В главе 3 описывается программная реализация данных алгоритмов в применении к анализу пользовательских рецензий. Напоследок, в главе 4 приводится обзор собираемых метрик и производится анализ результатов.

The work is devoted to the development of a sentiment analysis program based on the following machine learning methods: naïve Bayes classifier, support vector machine and neural networks. Chapter 1 reviews the approaches used in the field of sentiment analysis, the difficulties encountered in solving its problems and existing studies that analyze the listed approaches. Chapter 2 discusses the essence of the classification problem, classification algorithms and their mathematical models. Chapter 3 describes the software implementation of these algorithms applied to the analysis of user reviews. Finally, Chapter 4 provides an overview of the metrics collected and contains analysis of the results.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read
Internet Authorized users SPbPU Read
Internet Authorized users (not from SPbPU)
-> Internet Anonymous

Usage statistics

stat Access count: 52
Last 30 days: 0
Detailed usage statistics