?
Описание алгоритма по определению тональности текста на основе отзывов о ресторанах
С. 296-297.
Шантырева Л. В.
С развитием информационных технологий число блогов и форумов, на которых пользователи выражают свое мнение о посещаемых ими заведениях, постоянно растет, что приводит к созданию базы комментариев, способной влиять на мнения потребителей. Ручной поиск информации и выделение в ней интересуемых данных приэтом становится малоэффективным. Минимизировать количество временных затрат позволяет анализ тональности текстов - область компьютерной лингвистики, занимающаяся автоматическим выделением из текстов эмоциональных оценок автора, суждений и мнений. В статье рассматривается алгоритм определения тональности текстов, основывающийся на аспектных словах и построении лексических шаблонов.
Язык:
русский
В книге
М., Коломна : МПГУ, 2016
Босоногов С. Д., Суворова А. В., Journal of Mathematical Sciences 2023 Vol. 529 P. 6-23
Добавлено: 4 февраля 2024 г.
Кирина М. А., Человек: образ и сущность. Гуманитарные аспекты 2023
В статье рассматриваются способы автоматического анализа мнений для оценки пользовательского опыта применительно к отзывам на проекты в рамках онлайн-курсов по программированию на Python, Java и Kotlin, представленных на англоязычной образовательной платформе Hyperskill. В исследовании описывается подход с опорой на методы анализа тональности и извлечения ключевых слов для характеристики отношения пользователей к изучаемым темам, образовательному процессу ...
Добавлено: 9 декабря 2023 г.
Сметанин С. И., IEEE Access 2020 Vol. 8 P. 110693-110719
Добавлено: 24 июня 2020 г.
Сметанин С. И., Proceedings of the Institute for System Programming of the RAS 2017 Vol. 29 No. 4 P. 315-324
With the popularization of social media, a vast amount of textual content with additional geo-located and time-stamped information is directly generated by human every day. Both tweet meaning and extended message information can be analyzed in a purpose of exploration of public mood variations within a certain time periods.
This paper aims at describing the development ...
Добавлено: 23 ноября 2018 г.
Нагорный О. С., Кольцова Е. Ю., / Высшая школа экономики. Series SOC "Sociology". 2017. No. WP BRP 74/SOC/2017.
Благодаря развитию концепции Web 2.0, аудитория Интернет-СМИ получила возможность участвовать в производстве информации и предлагать собственные определения социальных проблем, которые зачастую отличаются от мнения медиа-экспертов. Анализ подобного пользовательского контента может предоставить социальным исследователям доступ к ранее неизвестной информации, но часто требует знания современных и нетривиальных методов анализа данных. В данной работе показано, как такие методы, ...
Добавлено: 16 мая 2017 г.
Карпов Н. В., Vitugin F., Баранова Ю. Н., , in : Analysis of Images, Social Networks and Texts. Vol. 436: 3rd International Conference on Analysis of Images, Social networks, and Texts.: NY : Springer, 2014. Ch. 436. P. 91-100.
Добавлено: 28 ноября 2014 г.
Sergey Smetanin, Mathematics 2022 Vol. 10 No. 16 Article 2947
Добавлено: 15 августа 2022 г.
Тагиев Р., Игнатов Д. И., Amroush F., , in : 2013 IEEE 13th International Conference on Data Mining Workshops. : Los Alamitos : IEEE Computer Society, 2013. P. 445-451.
In this paper, we want to introduce experimental economics to the field of data mining and vice versa. It continues related work on mining deterministic behavior rules of human subjects in data gathered from experiments. Game-theoretic predictions partially fail to work with this data. Equilibria also known as game-theoretic predictions solely succeed with experienced subjects ...
Добавлено: 9 июня 2014 г.
М. : Национальный открытый университет «ИНТУИТ», 2012
Доклады Всероссийской научно-практической конференции «Анализ Изображений, Сетей и Текстов» (АИСТ, Екатеринбург, 2012). Рассматриваются проблемы в области компьютерного зрения, анализа изображений и видео, анализа форумов, блогов и социальных сетей, анализ сетевых (графовых) и потоковых данных, компьютерной обработки текстов, гео-информационных систем, математических моделией и методов анализа данных, машинного обучения и разработки данных (Data Mining), рекомендательных систем и ...
Добавлено: 3 декабря 2012 г.
Сметанин С. И., PeerJ Computer Science 2022 Vol. 8 Article e1164
Добавлено: 21 ноября 2022 г.
Карпов Н. В., Ляшук А. Ю., Визгунов А. Н., , in : Computational Aspects and Applications in Large-Scale Networks. Springer Proceedings in Mathematics & Statistics. Vol. 247.: Springer, 2018. P. 281-288.
Добавлено: 22 ноября 2017 г.
Сметанин С. И., PeerJ Computer Science 2022 No. 8 Article e1039
The Russian language is still not as well resourced as English, especially in the field of sentiment analysis of Twitter content. Though several sentiment analysis datasets of tweets in Russia exist, they all are either automatically annotated or manually annotated by one annotator. Thus, there is no inter-annotator agreement, or annotation may be focused on ...
Добавлено: 29 июня 2022 г.
Кирина М. А., Тельнина Л. Д., В кн. : Цифровая гуманитаристика и технологии в образовании (DHTE 2022): сб. статей III Всероссийской научно-практической конференции с международным участием. 17—18 ноября 2022 г. : ФГБОУ ВО МГППУ, 2022. С. 355-374.
В статье описывается эксперимент, направленный на сравнение эффективности инструментов анализа тональности для оценки пользовательского опыта на материале публичных отзывов на онлайнкурсы на образовательной платформе Stepik. Рассматриваются результаты автоматического извлечения сентимент-оценок пользователей на соответствующие курсы как на русском, так и на английском языках. Для русскоязычных текстов обсуждается применение словаря эмотивной лексики «КартаСловСент» и предобученной на датасете ...
Добавлено: 9 декабря 2022 г.
Improving prediction of stock market indices by analyzing the psychological states of Twitter users.
Поршнев А. В., Redkin I. E., Shevchenko A. V., / Высшая школа экономики. Series WP BRP "Economics/EC". 2013. No. 22.
В нашей работе мы исследовали возможнось использования анализа тональности сообщений в Твиттере для повышения качества прогноза финансовых индексов фондового рынка. Нами был реализован словарный подход к вывлению тональности сообщений, который позволил выявлять восемь базовых эмоций в сообщениях в Твиттере. В ходе исследования мы использовали три набора данных: исторические; историчесие и количество твитов содержащих слова "волнение", ...
Добавлено: 25 декабря 2013 г.
Добавлено: 4 декабря 2023 г.
Maksim Kopyrin, Найденова Ю. Н., Journal of Corporate Finance Research 2021 Vol. 15 No. 2 P. 5-15
Добавлено: 16 июня 2021 г.
Шерстинова Т. Ю., Москвина А. Д., Кирина М. А. и др., В кн. : Корпусная лингвистика - 2023. : [б.и.], 2023.
В экспериментальном исследовании сравниваются результаты трех разных подходов к оценке тональности художественного текста: словарного, машинного обучения и дистрибутивной семантики. Материалом для анализа стала выборка в 210 рассказов русских писателей первых трех десятилетий XX в. Проведенное исследование показало, что корреляция между результатами сентимент-анализа, полученного тремя разными методами, в большинстве случаев статистически значима, но невелика по модулю. ...
Добавлено: 9 декабря 2023 г.
Сметанин С. И., Алгоритмы, методы и системы обработки данных 2017 № 2(36) С. 121-128
В статье оценивается эффективность использования API облачного сервиса Google Cloud Prediction для решения задачи анализа тональности русскоязычных текстов. Проведен эксперимент по обучению модели на различных наборах данных, который направлен на исследование эффективности использования Prediction API и сравнение с существующими базовыми алгоритмами. Результаты эксперимента продемонстрировали высокие показатели качества работы Prediction API. ...
Добавлено: 23 ноября 2018 г.