Analysis of news sources text tonality in relation to the given object

Abstract

Целью данной работы является сравнение методов анализа тональности текста и их применение по отношению к текстовым комментариям, оставленным на новостных и информационных порталах, посвященных сравнению банковских продуктов, а также разработка технологии автоматического выявления и оценки мнений. Решение этой проблемы позволит понять, когда клиенты банков удовлетворены или недовольны, в чем заключаются проблемы обслуживания, понять отношение клиентов к банку. В рамках данной работы было разработано программное обеспечение для определения и анализа тональности текстов комментариев по отношению к заданному объекту для последующей оптимизации процесса принятия решений. В частности, было создано программное обеспечение для извлечения данных с веб-ресурсов,которые были обработаны и представлены в виде векторов признаков двумя методами Word2Vec и BagOfWords.В дальнейшем, эти данные были использованы классификатором градиентного бустинга для обучения.Классификатор прошел валидацию на не размеченных данных и выдал необходимую точность.

The purpose of this work is to compare the methods for analyzing the tonality of the text and their application in relation to text comments left on news and information portals devoted to the comparison of banking products, as well as the development of technology to automatically detect and evaluate opinions. The solution to this problem will allow you to understand when customers of banks are satisfied or dissatisfied, what are the problems of service, to understand the attitude of customers to the bank. In the framework of this work, software was developed for determining and analyzing the tonality of comment texts in relation to a given object for subsequent optimization of the decision-making process. In particular, software was created to extract data from web resources, which were processed and presented as feature vectors by two methods Word2Vec and BagOfWords.In the future, this data was used by the gradient boost classifier for training. The classifier was validated on unmarked data and gave the necessary accuracy.