Детальная информация

Название: Классификация текстов по тональности методами машинного обучения: выпускная квалификационная работа бакалавра: направление 09.03.02 «Информационные системы и технологии» ; образовательная программа 09.03.02_02 «Информационные системы и технологии»
Авторы: Гальченко Юлия Вадимовна
Научный руководитель: Нестеров Сергей Александрович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2022
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: машинное обучение; нейронные сети; сеть LSTM; методы классификации текстов; анализ тональности текста; machine learning; neural networks; LSTM network; text classification methods; sentiment analysis
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 09.03.02
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
DOI: 10.18720/SPBPU/3/2022/vr/vr22-2671
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Дополнительно: Новинка
Ключ записи: ru\spstu\vkr\19606

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

Тема работы: «Классификация текстов по тональности методами машинного обучения». Данная работа посвящена созданию модели нейронной сети, которая успешно решает задачу анализа тональности текста. В ходе работы решались следующие задачи: 1. Изучение литературы на тему различных методов машинного обучения для классификации текстов. 2. Анализ существующих архитектур нейронных сетей и создание наиболее эффективной модели нейронной сети для классификации текстов по тональности. 3. Создание и обучение нейронной сети в программе на языке Python с использование библиотек TensorFlow и Keras. 4. Тестирование модели на различных наборах данных, а также на произвольных текстах. В процессе создания модели нейронной сети на языке Python для обучения использовались наборы данных из различных эмоционально окрашенных текстов. Также использовалась модель Word2Vec для векторного представления слов. В результате работы была создана модель нейросети для анализа тональности текстов, основу которой представляет архитектура LSTM (Долгая краткосрочная память). Полученная модель показала достаточно высокие результаты на различных тестовых данных.

The topic of the work: "Sentiment analysis with machine learning methods". This work is devoted to the creation of a neural network model that successfully solves the problem of text sentiment analysis. During the work the following tasks were solved: 1. Studying the literature on the topic of various machine learning methods for text classification. 2. Analysis of existing neural networks and creation of the most efficient neural network model for classifying texts by sentiment. 3. Creating and training a neural network in a Python program using the TensorFlow and Keras libraries. 4. Testing the model on various datasets, as well as on arbitrary texts.In the process of creating a neural network model in Python datasets from various emotional texts were used for training. In addition, the Word2Vec model was used for vector representation of words. As a result of the work, a neural network model was created for sentiment analysis, the basis of which is the LSTM (Long Short-Term Memory) architecture. The resulting model showed high results on various test data.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Статистика использования

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