Предметом исследования является тональность текстов. Цель исследования - разработка и реализация методики многоклассового анализа тональности, которая учитывает пересекаемость классов. Разработанная методика состоит в создании модели, отделяющей многоклассовые тексты от одноклассовых, модели, классифицирующей одноклассовые тексты, и модели, классифицирующей многоклассовые тексты. Разработанная методика показала лучшие значения F-меры по сравнению с классическими нейросетевыми моделями, использующими мягкое решение для классификации текстов. Основное внимание в работе уделено анализу существующих подходов и инструментов для анализа тональности, применяемых к комментариям в социальных медиа, в частности на YouTube. Традиционные методы классификации комментариев обычно ограничиваются определением общих категорий настроений, таких как положительные, нейтральные и отрицательные отзывы. Такая классификация не позволяет глубоко анализировать специфические эмоции, что существенно снижает качество понимания пользовательских отзывов и настроений. Результаты ВКР могут быть применены в области анализа комментариев на платформах социальных медиа.

The subject of the study is the tonality of texts. The purpose of the research is development and implementing a methodology for multiclass tonality analysis that takes into account the intersection of emotional classes. Developed methodology consists in creating a model separating multiclass texts from single-class ones, a model classifying single-class texts, and a model classifying multi -class texts. The developed technique showed the best values of the F-measure in comparison with classical neural network models using a soft decision for text classification. The main focus of the work is on the analysis existing approaches and tools for analyzing tonality applied to comments on social media, in particular on YouTube. Traditional methods of classifying comments are usually limited to defining general categories of sentiment, such as positive, neutral, and negative reviews. This classification does not allow deep analysis of specific emotions, which significantly reduces the quality of understanding user reviews and moods.The results of the work can be applied in the field of analysis comments on social media platforms.

• Разработка программного модуля анализа тональности текстовых сообщений с пересекающимися классами
  • Введение
  • 1. Обзор предметной области
  • 2. Разработка методики анализа тональности с пересекающимися классами
  • 3. Реализация разработанной методики
  • 4. Тестирование
  • Заключение
  • Список использованных источников
  • Приложение 1. Реализация методики и сравнение моделей
  • Приложение 2. Разработка программного модуля
  • Приложение 3. Веб-приложение
  • Приложение 4. Код JavaScript для функционирования пользовательского веб-интерфейса
  • Приложение 5. Парсер комментариев