Standard

Сравнение методов машинного обучения для решения задачи анализа тональности. / Швенк, Милана Владимировна; Бручес, Елена Павловна; Леман, Анна Яковлевна.

In: Вестник Новосибирского государственного университета. Серия: Информационные технологии, Vol. 22, No. 3, 5, 2024, p. 49-61.

Research output: Contribution to journalArticlepeer-review

Harvard

Швенк, МВ, Бручес, ЕП & Леман, АЯ 2024, 'Сравнение методов машинного обучения для решения задачи анализа тональности', Вестник Новосибирского государственного университета. Серия: Информационные технологии, vol. 22, no. 3, 5, pp. 49-61. https://doi.org/10.25205/1818-7900-2024-22-3-49-61

APA

Швенк, М. В., Бручес, Е. П., & Леман, А. Я. (2024). Сравнение методов машинного обучения для решения задачи анализа тональности. Вестник Новосибирского государственного университета. Серия: Информационные технологии, 22(3), 49-61. [5]. https://doi.org/10.25205/1818-7900-2024-22-3-49-61

Vancouver

Швенк МВ, Бручес ЕП, Леман АЯ. Сравнение методов машинного обучения для решения задачи анализа тональности. Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2024;22(3):49-61. 5. doi: 10.25205/1818-7900-2024-22-3-49-61

Author

Швенк, Милана Владимировна ; Бручес, Елена Павловна ; Леман, Анна Яковлевна. / Сравнение методов машинного обучения для решения задачи анализа тональности. In: Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2024 ; Vol. 22, No. 3. pp. 49-61.

BibTeX

@article{59eeb059ad8e416787f6644b237de094,
title = "Сравнение методов машинного обучения для решения задачи анализа тональности",
abstract = "Сеть «Интернет» позволяет делиться своим мнением со всем миром, и эти данные используются для анализа отношения общества к тому или иному субъекту. С течением времени эмоционально окрашенных текстов становится все больше. Современные технологии позволяют обрабатывать огромные массивы данных в кратчайшие сроки, что по-настоящему важно при реализации анализа тональности, который является одним из актуальных направлений автоматической обработки естественного языка. Нами был собран и размечен корпус текстов отзывов на медицинские услуги. Также были апробированы три способа решения задачи анализа тональности, относящиеся к методам традиционного или глубокого машинного обучения. Проведен сравнительный анализ полученных результатов. Размеченный нами корпус выложен в открытый доступ и может быть использован для других исследований.",
keywords = "ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА, АНАЛИЗ ТОНАЛЬНОСТИ, МАШИННОЕ ОБУЧЕНИЕ, ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ, СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ, LSTM",
author = "Швенк, {Милана Владимировна} and Бручес, {Елена Павловна} and Леман, {Анна Яковлевна}",
note = "Сравнение методов машинного обучения для решения задачи анализа тональности / М.В. Швенк, Е.П. Бручес, А.Я. Леман // Вестник Новосибирского государственного университета. Серия: Информационные технологии. – 2024. – Т. 22. - № 3. – С. 49-61.",
year = "2024",
doi = "10.25205/1818-7900-2024-22-3-49-61",
language = "русский",
volume = "22",
pages = "49--61",
journal = "Вестник Новосибирского государственного университета. Серия: Информационные технологии",
issn = "1818-7900",
publisher = "ИПЦ НГУ",
number = "3",

}

RIS

TY - JOUR

T1 - Сравнение методов машинного обучения для решения задачи анализа тональности

AU - Швенк, Милана Владимировна

AU - Бручес, Елена Павловна

AU - Леман, Анна Яковлевна

N1 - Сравнение методов машинного обучения для решения задачи анализа тональности / М.В. Швенк, Е.П. Бручес, А.Я. Леман // Вестник Новосибирского государственного университета. Серия: Информационные технологии. – 2024. – Т. 22. - № 3. – С. 49-61.

PY - 2024

Y1 - 2024

N2 - Сеть «Интернет» позволяет делиться своим мнением со всем миром, и эти данные используются для анализа отношения общества к тому или иному субъекту. С течением времени эмоционально окрашенных текстов становится все больше. Современные технологии позволяют обрабатывать огромные массивы данных в кратчайшие сроки, что по-настоящему важно при реализации анализа тональности, который является одним из актуальных направлений автоматической обработки естественного языка. Нами был собран и размечен корпус текстов отзывов на медицинские услуги. Также были апробированы три способа решения задачи анализа тональности, относящиеся к методам традиционного или глубокого машинного обучения. Проведен сравнительный анализ полученных результатов. Размеченный нами корпус выложен в открытый доступ и может быть использован для других исследований.

AB - Сеть «Интернет» позволяет делиться своим мнением со всем миром, и эти данные используются для анализа отношения общества к тому или иному субъекту. С течением времени эмоционально окрашенных текстов становится все больше. Современные технологии позволяют обрабатывать огромные массивы данных в кратчайшие сроки, что по-настоящему важно при реализации анализа тональности, который является одним из актуальных направлений автоматической обработки естественного языка. Нами был собран и размечен корпус текстов отзывов на медицинские услуги. Также были апробированы три способа решения задачи анализа тональности, относящиеся к методам традиционного или глубокого машинного обучения. Проведен сравнительный анализ полученных результатов. Размеченный нами корпус выложен в открытый доступ и может быть использован для других исследований.

KW - ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА

KW - АНАЛИЗ ТОНАЛЬНОСТИ

KW - МАШИННОЕ ОБУЧЕНИЕ

KW - ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ

KW - СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ

KW - LSTM

UR - https://elibrary.ru/item.asp?id=75175201

U2 - 10.25205/1818-7900-2024-22-3-49-61

DO - 10.25205/1818-7900-2024-22-3-49-61

M3 - статья

VL - 22

SP - 49

EP - 61

JO - Вестник Новосибирского государственного университета. Серия: Информационные технологии

JF - Вестник Новосибирского государственного университета. Серия: Информационные технологии

SN - 1818-7900

IS - 3

M1 - 5

ER -

ID: 68642999