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 | |
Language | Russian |
Level of education | Bachelor |
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) |
Record key | ru\spstu\vkr\2609 |
Record create date | 9/26/2019 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
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.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 98
Last 30 days: 2