?
Метод распознавания сентимента и эмоций в транскрипциях русскоязычной речи с использованием машинного перевода
Dvoynikova A., Кагиров И. А., Карпов А. А.
Кореневский В. В., Экономика и математические методы 2026 Т. 25 № 3 С. 853–878
The US presidential election is a lengthy and complex process, during which candidates present their views and programs for reforming the country's politics and economy, while mass media broadcast these positions to a wide audience. In the most recent election, the topic of cryptocurrencies was used in the campaign for the electorate for the first ...
Added: September 8, 2026
Deeb B., Andrey V. Savchenko, Makarov I., IEEE Access 2026 Vol. 13 P. 56283–56295
Speech Emotion Recognition has gained considerable attention in speech processing and machine learning due to its potential applications in human-computer interaction, mental health monitoring, and customer service. However, state-of-the-art models for speech emotion recognition use many parameters, which leads to computational complexity. In this paper, we introduce a novel deep-learning model to enhance the accuracy ...
Added: June 16, 2026
Dvoynikova A., В кн.: Альманах научных работ молодых ученых Университета ИТМО.: Университет ИТМО, 2023.
В статье раскрываются достоинства и недостатки категориальных и пространственных моделей описания эмоций. Пространственные модели позволяют охватить более широкий спектр человеческих эмоций, что позволяет разработать наиболее эффективную систему распознавания эмоций. В работе проводится аналитический обзор существующих многомодальных корпусов данных, которые имеют разметку по валентности и интенсивности эмоций. В заключении выделяется наиболее репрезентативный корпус данных для автоматического ...
Added: April 25, 2026
Dvoynikova A., Кондратенко К. О., Известия высших учебных заведений. Приборостроение 2023 Т. 66 № 10 С. 818–827
Аннотация. Исследован актуальный в различных областях вопрос распознавания эмоций в транскрипциях речи. Проанализировано влияние методов предобработки (удаление стоп-слов, лемматизация, стемминг) на точность распознавания эмоций в текстовых данных на русском и английском языках. Для проведения экспериментальных исследований использовались орфографические транскрипции диалогов из многомодальных корпусов RAMAS и CMU-MOSEI на русском и английском языке соответственно. Аннотирование этих корпусов ...
Added: April 25, 2026
Dvoynikova A., В кн.: Сборник трудов IX конгресса молодых ученыхТ. 1.: Университет ИТМО, 2021.
Зачастую коммуникация людей происходит посредством вербального общения. Для распознавания эмоций в речевых высказываниях необходимо анализировать текстовую модальность, т.к. она передает полярность эмоций. В статье описываются способы автоматического распознавания речи, а также предлагается подход сентимент-анализа транскрипции русскоязычной речи на основе тональных словарей. Так как русскоязычные ресурсы до сих пор уступают по объему и качеству англоязычным, приводится ...
Added: April 24, 2026
Dvoynikova A., Мамонтов Д. Ю., Карпов А. А., В кн.: Альманах научных работ молодых ученых Университета ИТМОТ. 3.: Университет ИТМО, 2021. С. 63–68.
В работе проводятся экспериментальные исследования по определению уровня эмоциональных проявлений в текстовых транскрипциях базы данных K-EmoCon. Рассматривается влияние сбалансирования классов при обучении классификаторов на точность определения эмоций. В статье устанавливается базовый стандарт результатов по классификации уровня эмоций дикторов в текстовых транскрипциях. ...
Added: April 24, 2026
Dvoynikova A., Верхоляк О. В., Карпов А. А., В кн.: Альманах научных работ молодых ученых Университета ИТМОТ. 3.: Университет ИТМО, 2020.
В работе предлагается метод, основанный на тональных словарях, для анализа тональности разговорной речи. Для проведения экспериментов используются транскрипции аудиозаписей базы данных RAMAS, полученные с помощью систем автоматического распознавания речи. Машинная классификация данных производится на 3 класса: позитивный, нейтральный и негативный с использованием русскоязычных тональных словарей RuSentiLex, LinisCrowd, WordNetAffect и словаря Белякова. ...
Added: April 24, 2026
Dvoynikova A., Карпов А. А., Информационно-управляющие системы 2020 № 4 (107) С. 20–30
Введение: в последние годы анализ тональности, или сентимент-анализ, высказываний пользователей находит практическое применение во многих областях: оценка качества товаров и услуг по отзывам покупателей в Интернете, анализ негативных эмоций в сообщениях, прогноз фондовых рынков, политических ситуаций на основе новостных лент и многих других. В связи с этим разрабатываются разнообразные системы и методы для сентимент-анализа русскоязычных текстовых данных. Цель: выполнение ...
Added: April 24, 2026
Mylnikova A., Mylnikov L., Научно-техническая информация. Серия 2: Информационные процессы и системы 2026 № 2 С. 24–33
Представлены результаты сравнительной оценки качества машинного перевода, выполненного большими языковыми моделями (LLM): DeepSeek, Grok, Mistral, Qwen, GigaChat, Yandex, на основе перевода выразительных языковых средств (фразеологизмов, омонимов, каламбуров и т.д.) и текстов различных функциональных стилей. Качество перевода оценивалось количественно с помощью метрик когерентности (BLEU, METEOR, chrF) и качественно — путем экспертного анализа на соответствие критериям адекватности, ...
Added: February 27, 2026
Bocharova A., Денисов И. Е., Зуенко И. Ю., Вестник Санкт-Петербургского университета. Востоковедение и африканистика 2025 Т. 17 № 2 С. 366–377
The article focuses on analyzing the perceptions of recent changes in China’s demographic pol-icy by the contemporary Chinese society. These changes involved the relaxation of restrictions on the number of children in a family, first to two children in 2015 and subsequently to three children in 2021. The relevance of this research stems from the ...
Added: February 19, 2026
Shulginov V., Жанры речи 2025 Т. 20 № 3(47) С. 327–336
The article examines the imperative internet comment as a special genre of conflict internet discourse.
The research was based on the study of two communities of the social network “VKontakte”, differing in the
structure of social connections: vertical type (official community “VKontakte with authors”) and horizontal
type (“Showbiz stars news”). Using automatic methods of data collection and analysis, ...
Added: October 12, 2025
Mylnikova A., Mylnikov L., Научно-техническая информация. Серия 2: Информационные процессы и системы 2025 № 7 С. 32–44
Рассмотрена модель использования скелетных структур на базе синтаксической разметки для предобработки корпусов текстов перед передачей в нейросетевые модели машинного перевода с целью повышения качества их работы, реализованная с помощью частеречной и синтаксической разметок корпусов текстов, использующих языковую модель, с использованием сети BERT и набора правил. Описана подготовка данных для обучения и предложены способы повышения эффективности ...
Added: September 22, 2025
Deeb B., Savchenko A., Makarov I., , in: ECAI 2024. 27th European Conference on Artificial Intelligence, October 19 – 24 October 2024, Santiago de Compostela, Spain – Including 13th Conference on Prestigious Applications of Intelligent Systems (PAIS 2024).: IOS Press, 2024. P. 4479–4482.
In this paper, we introduce a novel tool for speech emotion recognition, CA-SER, that borrows self-supervised learning to extract semantic speech representations from a pre-trained wav2vec 2.0 model and combine them with spectral audio features to improve speech emotion recognition. Our approach involves a self-attention encoder on MFCC features to capture meaningful patterns in audio ...
Added: February 15, 2025
Sharikov A., Вестник Российского университета дружбы народов. Серия: Литературоведение, журналистика 2024 Т. 29 № 3 С. 534–550
The article examines peculiarities of representation of russia in British online sources in 2022, when russia launched a special military operation in ukraine. the author used a statistical approach to analysis based on the factiva monitoring system, the database of which contains about 4.5 million texts published on 416 British online resources from January 1 ...
Added: February 5, 2025
Sharikov A., Потапова В. В., Вестник Академии медиаиндустрии 2023 Т. 34 № 2 С. 48–64
The article presents the results of a study conducted at the Higher School of Economics (HSE) on the corpus of texts of the monitoring system Factiva, published in 2020. The purpose of the study is to identify the quantitative relationship between positive and negative tone publications on Russian-language online resources in comparison with publications of ...
Added: February 5, 2025
Petrakova A., Anikudimova E., Лебедева Е. И., В кн.: Лицо человека в системах коммуникации.: М.: Московский институт психоанализа, 2024. Гл. 10 С. 138–147.
Added: January 7, 2025
Petrakova A., Лебедева Е. И., Kuzmina Y. et al., Психология. Журнал Высшей школы экономики 2024 Т. 21 № 2 С. 423–431
This article presents a pilot study with the objective to create and test stimulus material, which consists of photographic portraits of adults and children expressing various emotions. The uniqueness of this work is due to the approach to organizing the creation of stimulus material, in which the models demonstrated emotions not according to an established ...
Added: December 26, 2024
Petrakova A., Лебедева Е. И., Anikudimova E., Экспериментальная психология 2024 Т. 17 № 3 С. 4–15
The work is aimed at studying the performance of emotion recognition of people of different sex and age, expressed without specified criteria, in association with «emotional families». The materials of an empirical online research obtained with the help of the crowdsourcing service «Yandex. Toloka», in which 3,590 tes- ters took part. The subjects guessed one ...
Added: December 26, 2024
Kolmogorova A., Хлебникова В. А., Человек: образ и сущность. Гуманитарные аспекты 2025 № 2(62) С. 45–68
В статье рассматриваются результаты применения методологии, известной как Байесовская сыворотка правды (BTS), в задаче эмоциональной разметки текстов для последующего обучения нейросетевых моделей. Суть метода состоит в том, что информантов сначала просят оценить некоторый феномен со своей собственной точки зрения, а затем – предсказать, какой ответ (или оценку) выберет наибольший процент других отвечающих на тот же ...
Added: November 29, 2024