С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

Детальная информация

Название: 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
Авторы: Бухалова Анастасия Дмитриевна
Научный руководитель: Дробинцев Павел Дмитриевич
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: 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
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.03.04
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-4549
Права доступа: Свободный доступ из сети Интернет (чтение)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать
Интернет Авторизованные пользователи Прочитать
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 42
За последние 30 дней: 0
Подробная статистика