Please use this identifier to cite or link to this item: https://er.nau.edu.ua/handle/NAU/63578
Full metadata record
DC FieldValueLanguage
dc.contributor.authorГребенець, Ігор Анатолійович-
dc.date.accessioned2024-05-31T06:59:39Z-
dc.date.available2024-05-31T06:59:39Z-
dc.date.issued2023-12-
dc.identifier.urihttps://er.nau.edu.ua/handle/NAU/63578-
dc.descriptionРобота публікується згідно наказу Ректора НАУ від 27.05.2021 р. №311/од "Про розміщення кваліфікаційних робіт здобувачів вищої освіти в репозиторії університету". Керівник проекту: Артамонов Є.Б.uk_UA
dc.description.abstractВ сучасному інформаційному суспільстві велика увага приділяється аналізу текстової інформації, зокрема визначенню тональності текстів. Це стає надзвичайно важливим завданням у сферах відгуків, соціальних мереж, новин та багатьох інших. У даному розділі ми розглянемо різноманітні методи визначення тональності текстових даних та їх особливості. 1. Методи, що базуються на правилах Методи визначення тональності текстів, які використовують правила, здебільшого ґрунтуються на лінгвістичних та семантичних правилах. Вони спробовані та випробувані, проте обмежені у визначенні нюансів та контексту. Такі методи часто використовують словники з позитивними та негативними словами для призначення ваги кожному слову. 2. Машинне навчання Машинне навчання стало потужним інструментом у визначенні тональності текстів. Класифікаційні моделі, такі як наївний баєсівський класифікатор, метод опорних векторів та глибокі нейронні мережі, дозволяють автоматизовано аналізувати текст та призначати йому тональність. Перевагою є здатність враховувати складний контекст та використовувати неструктуровані дані. 3. Глибоке навчання Однією з передових гілок машинного навчання є глибоке навчання, яке використовує нейронні мережі з багатьма шарами. У визначенні тональності текстів глибоке навчання може враховувати складні зв'язки та навіть синтаксичні структури, що робить його ефективним у важких завданнях аналізу тексту. Практичні приклади: Для демонстрації використання різних методів визначення тональності текстів, розглянемо приклади застосування кожного методу на конкретних наборах даних. Вивчимо результати та порівняємо ефективність кожного методу. Об’єкт дослідження: процес виявлення тональності текстової інформації. Предмет дослідження: методи і засоби виявлення та аналізу тональності текстової інформації.uk_UA
dc.language.isoukuk_UA
dc.publisherНаціональний авіаційний університетuk_UA
dc.subjectкваліфікаційна роботаuk_UA
dc.subjectаналіз тональностіuk_UA
dc.subjectобробка природної мовиuk_UA
dc.subjectтональність контентуuk_UA
dc.subjectпрограмний модульuk_UA
dc.subjectтональністьuk_UA
dc.titleПрограмний модуль оцінки тональності відгуківuk_UA
dc.typeWorking Paperuk_UA
Appears in Collections:Кваліфікаційні роботи здобувачів вищої освіти ОПП Системне програмування (ОС магістр)

Files in This Item:
File Description SizeFormat 
ФКНТ_2023_123_Гребенець_ІА.doc.pdf2.96 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.