Дослідження методів на основі нейронних мереж для аналізу тональності корпусу текстів

Simple item page
dc.contributor.authorОстровська, Катерина Юріївнаuk_UA
dc.contributor.authorСтовпченко, Іван Володимировичuk_UA
dc.contributor.authorПечений, Денис Сергійовичuk_UA
dc.date.accessioned2023-12-03T20:27:34Z
dc.date.available2023-12-03T20:27:34Z
dc.date.issued2023
dc.description.abstractUKR: Об'єктом дослідження є методи з урахуванням нейронних мереж для аналізу тональності корпусу текстів. Для досягнення поставленої в роботі мети необхідно вирішити такі завдання: вивчити теоретичний матеріал для навчання глибинних нейронних мереж та їх особливості стосовно обробки природної мови; вивчити документацію бібліотеки Tensorflow; розробити моделі згорткової та рекурентної нейронних мереж; розробити реалізацію лінійних та нелінійних методів класифікації на моделях мішка слів та Word2Vec; порівняти точність та інші показники якості реалізованих нейромережевих моделей із класичними методами. Для візуалізації навчання використовується Tensorboard. У роботі показано перевагу класифікаторів на основі глибоких нейронних мереж над класичними методами класифікації, навіть якщо для векторних уявлень слів використовується модель Word2Vec. Найвищу точність для даного корпусу текстів має модель рекурентної нейронної мережі з LSTM-блоками.uk_UA
dc.description.abstractENG: The object of the study is methods based on neural networks for analyzing the tonality of a corpus of texts. To achieve the goal set in the work, it is necessary to solve the following tasks: study the theoretical material for learning deep neural networks and their features in relation to natural language processing; study the documentation of the Tensorflow library; develop models of convolutional and recurrent neural networks; to develop the implementation of linear and non-linear classification methods on bag of words and Word2Vec models; to compare the accuracy and other quality indicators of implemented neural network models with classical methods. Tensorboard is used for learning visualization. The work shows the superiority of classifiers based on deep neural networks over classical classification methods, even if the Word2Vec model is used for vector representations of words. The model of recurrent neural network with LSTM blocks has the highest accuracy for this corpus of texts.en
dc.identifier.citationОстровська К. Ю., Стовпченко І. В., Печений Д. С. Дослідження методів на основі нейронних мереж для аналізу тональності корпусу текстів. Системні технології. Дніпро, 2023. Т. 4, № 147. С. 155–167. DOI: 10.34185/1562-9945-4-147-2023-14.uk_UA
dc.identifier.doi10.34185/1562-9945-4-147-2023-14
dc.identifier.issn1562-9945 (Print)
dc.identifier.issn2707-7977 (Online)
dc.identifier.urihttps://journals.nmetau.edu.ua/index.php/st/article/view/1310en
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/17833en
dc.language.isouk
dc.publisherУкраїнський державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпроuk_UA
dc.subjectштучні нейронні мережіuk_UA
dc.subjectглибокі нейронні мережіuk_UA
dc.subjectнавчання з учителемuk_UA
dc.subjectглибоке навчанняuk_UA
dc.subjectрекурентна нейронна мережаuk_UA
dc.subjectLSTMen
dc.subjectзгорткова нейронна мережаuk_UA
dc.subjectаналіз тональності текстуuk_UA
dc.subjectмішок слівuk_UA
dc.subjectWord2vecen
dc.subjectartificial neural networksen
dc.subjectdeep neural networksen
dc.subjecttutored learningen
dc.subjectdeep learningen
dc.subjectrecurrent neural networken
dc.subjectconvolutional neural networken
dc.subjecttext tonality analysisen
dc.subjectbag of wordsen
dc.subjectКІТСuk_UA
dc.subject.classificationTECHNOLOGY::Information technologyen
dc.subject.classificationSOCIAL SCIENCES::Statistics, computer and systems science::Informatics, computer and systems scienceen
dc.titleДослідження методів на основі нейронних мереж для аналізу тональності корпусу текстівuk_UA
dc.title.alternativeResearch of Methods Based on Neural Networks for the Analysis of the Tonality of the Corps of the Textsen
dc.typeArticleen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Ostrovska.pdf
Size:
687.89 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Том 4 № 147 (СТ ІПБТ)
Статті КІТС (ІПБТ)