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: PDF
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

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

Аннотация

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.

Права на использование объекта хранения

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

Статистика использования

stat Количество обращений: 59
За последние 30 дней: 1
Подробная статистика