Проблемы и методы анализа русскоязычных текстов на предмет идентификации тональности
Бесплатный доступ
Проводится анализ актуальности изучения и разработок в области обработки естественно-языковых текстов (NLP), приводятся прогнозы аналитических сообществ, рассматриваются основные методы и подходы сентимент-анализа русскоязычных текстов. Отдельный блок посвящен проблемам исследования тональности русскоязычных текстов и глобальным проблемам, с которыми сталкиваются ученые во всем мире вне зависимости от языка.
Nlp, анализ тональности, сентимент-анализ, машинное обучение, методы обработки текста, искусственный интеллект
Короткий адрес: https://sciup.org/148327127
IDR: 148327127 | DOI: 10.18137/RNU.V9187.23.03.P.52
Список литературы Проблемы и методы анализа русскоязычных текстов на предмет идентификации тональности
- Ховард Джереми. Глубокое обучение с fastai и Pytorch: минимум формул, минимум кода, максимум эффективности. СПб.: Питер, 2022. 624 с.: ил. (Серия «Бестселлеры O’Reilly»).
- ИИ и Natural Language Processing: большой обзор рынка. Часть 1 // Национальная технологическая инициатива: [сайт]. URL: https://nti2035.ru/media/publication/ii-i-natural-languageprocessing-bolshoy-obzor-rynka-chast-1 (дата обращения: 08.12.2022).
- Как технологии помогают сохранить анонимность и тайну голосования // Официальный сайт мэра Москвы [сайт]. URL: https://www.mos.ru/news/item/110761073/ (дата обращения: 08.12.2022).
- Конституция Российской Федерации. Глава 2. Права и свободы человека и гражданина // Конституция Российской Федерации: [сайт]. URL: http://www.constitution.ru/10003000/10003000-4.htm (дата обращения: 08.12.2022).
- Обработка естественного языка, распознавание и синтез речи // Искусственный интеллект: альманах. Обработка естественного языка, распознавание и синтез речи: аналитический сборник. 2019. № 2 / Центр компетенций НТИ «Искусственный интеллект». URL: https://www.aireport.ru/nlp (дата обращения: 08.12.2022).
- Полозов И.К., Волкова И.А. Применение технологии Word3Vec в задаче выделения инверторов тональности // Международный научно-исследовательский журнал № 4 (94). Часть 1. С. 36–39. URL: https://cyberleninka.ru/article/n/primenenie-tehnologii-word2vec-v-zadache-vydeleniya-invertorovtonalnosti/viewer (дата обращения: 08.12.2022).
- Сарбасова А.Н. Исследование методов сентимент-анализа русскоязычных текстов // Молодой ученый. 2015. № 8 (88). С. 143–146. URL: https://moluch.ru/archive/88/17413/ (дата обращения: 08.12.2022).
- Семина Т.А. Анализ тональности текста: современные подходы и существующие проблемы // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6. Языкознание: Реферативный журнал. С. 47–59. URL: https://cyberleninka.ru/article/n/analiz-tonalnostiteksta-sovremennye-podhody-i-suschestvuyuschie-problemy (дата обращения: 08.12.2022).
- Jeff Kao, More than a Million Pro-Repeal Net Neutrality Comments were Likely Faked, 2017 [Текст: электронный] // Hacker Noon: [сайт]. URL: https://hackernoon.com/more-than-a-million-prorepeal-net-neutrality-comments-were-likely-faked-e9f0e3ed36a6 (дата обращения: 08.12.2022).
- Smetanin S. The Applications of Sentiment Analysis for Russian Language Texts: Current Challenges and Future Perspectives. IEEE Access, 2020. URL: https://ieeexplore.ieee.org/document/9117010 (дата обращения: 08.12.2022).
- Finin Tim, Martineau Justin. Delta TFID F: An Improved Feature Space for Sentiment Analysis. Third AAAI Internatonal Conference on Weblogs and Social Media, May 2009, San Jose CA . URL: https://ebiquity.umbc.edu/_file_directory_/papers/446.pdf (дата обращения: 01.06.2022).
Статья научная
