Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/32606
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Пашкевич Василий Эрикович | ru_RU |
dc.contributor.advisor | Paskevic Vasilij Erikovic | en_GB |
dc.contributor.author | Гао Тянь | ru_RU |
dc.contributor.author | Gao Tan | en_GB |
dc.contributor.editor | Сергеев Сергей Львович | ru_RU |
dc.contributor.editor | Sergeev Sergej Lvovic | en_GB |
dc.date.accessioned | 2021-08-07T09:12:06Z | - |
dc.date.available | 2021-08-07T09:12:06Z | - |
dc.date.issued | 2021 | |
dc.identifier.other | 082013 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/32606 | - |
dc.description.abstract | С быстрым развитием электронной коммерции все больше потребителей размещают отзывы о товарах на интернет-платформах. Столкнувшись с более прямой обратной связью от пользователей, компании столкнулись с серьезной проблемой интеграции информации обратной связи и быстрого реагирования на нее. Рост платформ социальных сетей, таких как Twitter, также предоставил широкую базу данных для анализа общественного мнения и опросов общественного мнения, основанных на онлайн-данных. В отличие от общего анализа настроений, анализ настроений на основе атрибутов или характеристик является более "гранулированным" и нацелен на предоставление серии кратких выражений, основанных на информации из обзоров, для указания предпочтений группы потребителей по каждому атрибуту продукта. В этой статье мы рассмотрим, какие методы используются в анализе настроений и как они применяются. Сравнивая сильные и слабые стороны этих методов, мы нашли новый способ выполнения задачи анализа настроений с пятью категориями (наша цель - классифицировать комментарии как: очень нравится, нравится, нейтральный, не нравится и очень не нравится). | ru_RU |
dc.description.abstract | With the rapid development of e-commerce, more and more consumers are posting product reviews on online platforms. Faced with more direct feedback from users, companies have faced a major challenge in integrating feedback information and responding to it quickly. The rise of social media platforms such as Twitter has also provided a broad base for public opinion analysis and opinion polls based on online data. Unlike general sentiment analysis, attribute or characteristic-based sentiment analysis is more 'granular' and aims to provide a series of concise expressions, based on information from surveys, to indicate the preferences of a consumer group for each product attribute. In this article we look at what methods are used in sentiment analysis and how they are applied. By comparing the strengths and weaknesses of these methods, we have found a new way to perform the task of sentiment analysis with five categories (our aim is to classify comments as: very like, like, neutral, dislike and very dislike). | en_GB |
dc.language.iso | ru | |
dc.subject | Классификация текстов | ru_RU |
dc.subject | классификация настроений | ru_RU |
dc.subject | сверточные нейронные сети | ru_RU |
dc.subject | векторы слов | ru_RU |
dc.subject | Text classification | en_GB |
dc.subject | sentiment classification | en_GB |
dc.subject | convolutional neural networks | en_GB |
dc.subject | word vectors | en_GB |
dc.title | Development of new methods for sentiment and text analysis in social networks to predict user preferences | en_GB |
dc.title.alternative | Разработка новых методов анализа настроений, анализа текста в социальных сетях для прогнозирования предпочтения пользователей | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
BKP_Gao_Tan.pdf | Article | 1,19 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_Gao_Tan.docx | ReviewSV | 54,23 kB | Microsoft Word XML | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.