Тема: Разработка и исследование рекурсивной нейронной сети для выявления тональности сообщений в социальных сетях

В наше время социальные сети играют не последнюю роль в жизни каждого человека. Социальные сети с момента их создания притягивают пользователей тем, что можно делиться своими впечатлениями и мыслями, где бы они ни находились. Число пользователей в социальных сетях превышает миллиард, и они оставляют по несколько миллиардов сообщений в день. При этом количество пользователей социальных сетей увеличивается с каждым годом, люди регистрируют все большее количество аккаунтов на различных сайтах, постоянно высказывают свое мнение по поводу товаров в различных магазинах, часто пишут свежие обзоры на новинки гаджетов, обсуждают различные события на форумах, происходящие в мире. Таким образом, в социальных сетях формируется огромнейшая база информации по различным темам. Знание мнения людей может дать огромное преимущество в различных областях, к примеру, социологам - для определения отношения пользователей социальных сетей к тем или иным событиям, маркетологам - узнать оценку качества товаров и услуг на основе отзывов пользователей, психологам - для определения депрессии у пользователей социальных сетей.
Мы будем рассматривать такую социальную сеть, как Twitter. Twitter является одной из самых популярных социальных сетей, которая позволяет пользователям читать и отправлять сообщения (т. е. твиты) длиной до 280 символов. Среди большого разнообразия тем, люди в Twitter, как правило, выражают свое мнение о брендах, знаменитостях, продуктах и общественных мероприятиях.
Анализ тональности текста является одним из методов исследования в компьютерной лингвистике. Анализ мнений включает в себя несколько задач, направленных на решение одной и той же проблемы - качественная оценка отношения автора текста к субъекту, который рассматривается в этом же тексте. Из конкретных задач, которые входят в анализ мнений, можно выделить такие задачи, как оценка субъективности или объективности текста по отношению к субъекту, классификация отношения автора к субъекту. Последняя задача - это задача выявления тональности текста, она является фундаментальной в анализе мнений. Сначала необходимо понять, как автор относится к субъекту, чтобы делать какие-то дальнейшие выводы про мнение.
Задача выявления тональности текста сводится к задаче классификации. Имеется три класса эмоциональной окраски: положительная, нейтральная или отрицательная, к которым нужно отнести текст.
В последнее время искусственные нейронные сети доказали свою эффективность для многих задач. Так, нейронные сети могут распознавать цифры, изображения, классифицировать объекты и т. д. Одной из таких сетей является рекурсивная нейронная сеть. Рекурсивные нейросети добились значительного успеха в решении задач обработки естественного языка [1].

Купить

Целью работы состояла в разработке и исследовании рекурсивной нейронной сети для выявления тональности сообщений в социальных сетях.
Разработанная программа позволяет производить предварительную обработку сообщений из социальной сети Twitter с дальнейшей их векторизацией. Далее векторное представление слов обрабатывается рекурсивной нейронной сетью, в результате чего определяется класс. Каждый класс имеет оценку -1, 0, 1. Таким образом, сообщения с положительной тональностью оцениваются в 1, нейтральные - 0 и оценка -1 - для отрицательной. Программа реализует предложенный алгоритм на языке Python 3, его можно использовать в качестве подключаемого модуля. Данный модуль можно использовать для приложений, связанных с анализом тональности текста.
В результате работы решены следующие задачи:
1) рассмотрены методы, применяющиеся в анализе тональности текста и для векторного представления текста;
2) разработаны математические модели векторизации текста и рекурсивной нейронной сети, решающие задачу выявления тональности сообщений в социальных сетях;
3) программно реализованы предварительная обработка текста, модель векторного представления слов и рекурсивная нейронная сеть;
4) проведены численные эксперименты при обучении реализованной нейронной сети;
5) осуществлена проверка работа программы на экспериментальных данных.
Разработанная модель имеет ряд преимуществ над классическими методами анализа тональности. Рекурсивная нейронная сеть показала лучшие результаты. Точность классификатора на ее основе составила - 78,7%, тогда как у других методов точность классификации не превосходит 75%.
Возможным направлением для дальнейшей работы может быть применение модели для других языков: английского, казахского и другие. В данной работе модель работает с русским языком. Также можно провести анализ тональности на других подходах классификации и рассмотреть различные возможности других нейронных сетей.

Купить