Детальная информация
Название | Исследование алгоритмов машинного обучения для определения положительных и отрицательных отзывов на банки: выпускная квалификационная работа магистра: направление 09.04.04 «Программная инженерия» ; образовательная программа 09.04.04_01 «Технология разработки и сопровождения качественного программного продукта» |
---|---|
Авторы | Храмцова Анастасия Алексеевна |
Научный руководитель | Молодяков Сергей Александрович |
Другие авторы | Локшина Екатерина Геннадиевна |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Выходные сведения | Санкт-Петербург, 2020 |
Коллекция | Выпускные квалификационные работы; Общая коллекция |
Тематика | анализ тональности текста; классификация текста; машинное обучение; сентимент-анализ; метод опорных векторов; наивный байесовский классификатор; mlp-нейронная сеть; поиск гиперпараметров; text classification; support vector machine; naive bayesian classification; mlp neural network; hyperparameters search |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 09.04.04 |
Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
Ссылки | Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований |
DOI | 10.18720/SPBPU/3/2020/vr/vr20-1541 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | ru\spstu\vkr\6692 |
Дата создания записи | 10.07.2020 |
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 исследуются методы машинного обучения, используемые для определения положительных и отрицательных отзывов на банки. В первой главе произведен обзор существующих программных решений анализа тональности текста, а также современных подходов решения этой задачи. Во второй рассмотрена постановка задачи анализа тональности текста и выбраны 3 алгоритма на основе машинного обучения для последующего сравнения. В третьей главе описана практическая реализация, и в четвертой главе приведены результаты работы классификаторов и анализ этих результатов.
Machine learning methods used for detection positive and negative bank reviews are researched in this paper. There is a survey of existing software for sentiment analysis and modern solutions of this problem in chapter one. The formulation of text classification problem and choice of 3 algorithms based on machine learning are in chapter two. The practical implementation was described in chapter 3. The results and their analysis was presented in chapter four.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 59
За последние 30 дней: 0