Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/45873
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Аникеев Игнат Владимирович | ru_RU |
dc.contributor.advisor | Anikeev Ignat Vladimirovic | en_GB |
dc.contributor.author | Хадчукаев Асвад Тимурович | ru_RU |
dc.contributor.author | Hadcukaev Asvad Timurovic | en_GB |
dc.contributor.editor | Левшун Дмитрий Сергеевич | ru_RU |
dc.contributor.editor | Levsun Dmitrij Sergeevic | en_GB |
dc.date.accessioned | 2024-07-25T11:48:06Z | - |
dc.date.available | 2024-07-25T11:48:06Z | - |
dc.date.issued | 2024 | |
dc.identifier.other | 068420 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/45873 | - |
dc.description.abstract | В этой магистерской диссертации был разработан сервис бизнес-аналитики для текстовых отзывов для VK Predict. Сервис состоит из пяти основных модулей: пользовательский интерфейс с использованием чат-бота Telegram, хранение данных, основанное на SQLite3, анализ сентимента на основе нейронной сети BERT, кластеризация текстов с использованием UMAP и HDBSCAN, улучшенная с помощью больших языковых моделей (LLMs), и аналитический модуль для визуализации. Модель анализа сентимента достигла F1-score 0.80 с использованием подхода на основе BERT. Для кластеризации текстов индекс согласованности (ARI) был улучшен с 0.25 до 0.35 по сравнению с базовой моделью. Кроме того, потенциальная ежемесячная прибыль от внедрения оценивается в размере 4.5 миллионов рублей с использованием подписочной модели оплаты. Данное исследование демонстрирует потенциал сочетания современных методов машинного обучения с удобными интерфейсами и продвинутыми языковыми моделями для создания сервиса бизнес-аналитики текстовых отзывов, обеспечивая доступность и интерпретируемость для широко-го круга специалистов. | ru_RU |
dc.description.abstract | In this master's thesis, a business analytics service for text reviews for VK Predict was developed. The service consists of five main modules: a user interface via a Telegram chatbot, data storage using SQLite3, sentiment analysis with a BERT-based deep neural network, text clustering using UMAP and HDBSCAN enhanced by Large Language Models (LLMs), and an analytics module for visualization. The sentiment analysis model achieved an F1 score of 0.80 with a BERT-based approach. For text clustering, the Adjusted Rand Index (ARI) was improved from 0.25 to 0.35 compared to the baseline using state-of-the-art embed-ding models such as e5-base. Furthermore, the potential monthly profit was calculated to be up to 4.5 million rubles using a subscription-based approach. This research demonstrates the potential of combining modern machine learning techniques with user-friendly interfaces and advanced language models to create a robust service for business analytics of textual user feedback, ensuring accessibility and interpretability for non-technical users. | en_GB |
dc.language.iso | ru | |
dc.subject | Бизнес-аналитика | ru_RU |
dc.subject | Текстовые отзывы | ru_RU |
dc.subject | Анализ тональности текста | ru_RU |
dc.subject | BERT | ru_RU |
dc.subject | Кластеризация текстов | ru_RU |
dc.subject | Большие языковые модели | ru_RU |
dc.subject | Визуализация | ru_RU |
dc.subject | Машинное обучение | ru_RU |
dc.subject | ВК | ru_RU |
dc.subject | Business Analytics | en_GB |
dc.subject | Text Reviews | en_GB |
dc.subject | Sentiment Analysis | en_GB |
dc.subject | BERT | en_GB |
dc.subject | Text Clustering | en_GB |
dc.subject | Large Language Models | en_GB |
dc.subject | LLM | en_GB |
dc.subject | Visualization | en_GB |
dc.subject | Machine Learning | en_GB |
dc.subject | VK | en_GB |
dc.title | Service for Business Analytics of Textual User Feedback Based on Machine Learning | en_GB |
dc.title.alternative | Сервис бизнес-аналитики текстовых отзывов пользователей на основе машинного обучения | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
VKR_final.docx | Article | 4,45 MB | Microsoft Word XML | Просмотреть/Открыть |
reviewSV_LevsunDS_otzyv_naucnogo_rukovoditela.pdf | ReviewSV | 220,41 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.