Аннотация 2
Abstract 3
Введение 5
Глава 1 Анализ текущего состояния исследований в области определения тональности текста 8
1.1 Технологии анализа тональности текста (sentiment analysis) 8
1.2 Обзор программных аналогов для оценки тональности текста 13
Глава 2 Разработка алгоритма для классификации тональности текста 17
2.1 Алгоритм использования разрабатываемой системы 17
2.2 Выбор модели векторизации текста 19
2.3 Выбор модели классификации 21
Глава 3 Разработка приложения для классификации тональности текста 25
3.1 Особенности в реализации программного обеспечения 25
3.2 Тестирование классификации текстов 31
Заключение 41
Список используемой литературы и используемых источников 42
При развитии своей предпринимательской деятельности, представители бизнес-сообщества ориентируются в том числе и на отзывы клиентов об предоставляемых ими услуг и товаров. Отзывы клиентов является одним из важнейших источников информации об удовлетворенности коммерческой деятельностью компании. В конечном счете клиентоориентированность обеспечивает большинству компаний устойчивую позицию на рынке товаров и услуг за счет выработки лояльности клиентов и формирования постоянного потока новых заказов.
В настоящее время в глобальной сети существует большое количество специализированных ресурсов, форумов, а также социальных сетей, где клиенты компании делятся своим мнением о качестве получаемых услуг. Анализ отзывов клиентов позволяется диагностировать текущие проблемы, имеющиеся при оказании компанией соответствующих услуг. Поэтому поиск отзывов, анализ их содержания, а также подведение статистики на основе полученной из отзывов информации является одной из актуальных задач современного бизнес-сообщества.
В рамках данной работы исследуются технологии анализа текстовых комментариев пользователей для оценки их тональности. Для анализа текстовой информации применяются методы text mining.
В качестве общедоступного источника отзывов пользователей используется сервис «Народный рейтинг банков», расположенный на по адресу https://www.banki.ru/services/responses/list/. Этот сервис выбран в качестве источника данных для обучающий выборки, так как в нем содержится одновременно и текстовый комментарий пользователей и в виде числа от «1» до «5» удовлетворенность пользователя предоставляемыми банковскими услугами. Оценка пользователей в виде числа используется в качестве метки класса, а текст комментариев в качестве входных данных для разрабатываемой системы анализа тональности. Оценка «1» обозначает резко негативную тональность комментария и недовольство качеством оказанной услуги, а оценка «5» обозначает позитивный комментарий и полную удовлетворенность пользователя...
При выполнении бакалаврской работы были получены следующие результаты:
- на языке программирования python разработано программное обеспечение для определения тональности текстов. Для преобразования текстов в числовой формат применяется подход Bag-of-words, а в качестве классификатора используется XgBoost Classifier.
- предложена методика тестирования эффективности алгоритмов распознавания тональности текста, которая включает себя проверку работы классификатора на тестовой выборке данных, построение по результатам тестирования матрицы, которая впоследствии используется для корректировки работы алгоритма под конкретную выборку данных.
- разработанное программное обеспечение протестировано на отзывах клиентов о качестве предоставляемых банковских услуг, собранных с сайта banki.ru. При этом точность классификации отзывов пользователей составляет 81%.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
