Sentiment analysis methods of restaurant customer reviews

Abstract

Работа посвящена исследованию существующих методов анализа тональности русскоязычных текстов. Для исследования был собран корпус русскоязычных отзывов на рестораны. Каждый отзыв должен быть классифицирован как объект одного из трех классов: положительный, отрицательный или нейтральный. Рассмотрены различные способы предобработки текстов. В качестве признаков рассматривались различные комбинации n-грамм. Реализованы следующие алгоритмы машинного обучения: наивный байесовский классификатор, логистическая регрессия, AdaBoost классификатор, метод стохастического градиента и метод опорных векторов. Для решения проблемы несбалансированных классов данных использовался алгоритм SMOTE. После проверки на кросс-валидации лучшее качество классификации показал алгоритм логистическая регрессия. Качество классификации было улучшено с помощью добавления n-грамм и применения алгоритма SMOTE к обучающему множеству.

The work is devoted to the study of existing methods of sentiment analysis of Russian-language texts. For the study, a corpus of Russian-language restaurant reviews was collected. Each review should be classified as an object of one of three classes: positive, negative or neutral. Various ways of text preprocessing were considered. Various combinations of n-grams were considered as features. The following machine learning algorithms were implemented: naive bayes classifier, logistic regression, AdaBoost classifier, stochastic gradient method and support vector machine. To solve the problem of unbalanced data classes, SMOTE algorithm was used. After cross-validation, the best quality classification was shown by the logistic regression algorithm. Classification quality was improved by adding n-grams and applying SMOTE algorithm to the training set.