Automatic identification of topics associated with the COVID-19 pandemic in the Russian-language social media corpus

Abstract

Одним из направлений обработки естественного языка является тематическое моделирование. В настоящее время это направление находит широкое применение в исследовании социальных сетей и тематическое моделирование на материале постов пользователей той или иной социальной сети. Результат подобного анализа может помогать задавать вектор развития определенной области, выявляя ключевые и актуальные для пользователей темы. Целью данной работы является разработка гибридной тематической модели корпуса текстов, совмещающей в себе вероятностную тематическую модель LDA и модель распределенных векторов RuBERT. Данное исследование может быть использовано социологами и психологами в мониторинге новостных сообщений и социальных сетей. В связи с этим тема магистерской диссертации является актуальной и имеет непосредственное практическое применение.

One of the NLP approaches is topic modeling. Currently, it is widely used in the study of social networks and topic modeling based on posts of users of a particular social network. Identifying key and relevant topics for users, the result of such an analysis can help to set the vector for the development of a certain field. The purpose of this work is to develop a hybrid topic model of the text corpus that combines the probabilistic topic LDA model and the RuBERT distributed vector model. This research can be used by sociologists and psychologists in monitoring news reports and social networks. In this regard, the topic of the master's thesis is relevant and has direct practical application.