ОЦІНКА ТОНАЛЬНІСТЬ СТРІЧКАХ ПОВІДОМЛЕНЬ

Автор(и)

  • Aleksandr Kamoevich Asiryan Московський державний університет імені М.В. Ломоносова http://orcid.org/

DOI:

https://doi.org/10.30888/2415-7538.2018-09-01-005

Ключові слова:

обработка естественного языка, автоматический анализ тональности, лексикон оценочных слов

Анотація

В работе представлен алгоритм оценки тональности информационных сообщений по отношению к объектам, адаптирующийся под предметную область. Рассматриваются существующие методы определения эмоциональной оценки текстов. Разработанный метод использует словарь

Metrics

Metrics Loading ...

Посилання

Karpov I. A., Kozhevnikov M. V., Kazorin V. I., Nemov N. R. Entity Based Sentiment Analysis Using Syntax Patterns and Convolutional Neural Network // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference «Dialogue». – Vol. 15. – M.: RSUH, 2016. – P. 225-236.

Arkhipenko K., Kozlov I., Trofimovich J., Skorniakov K. et al. Comparison of Neural Network Architectures for Sentiment Analysis of Russian Tweets // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference «Dialogue». – Vol. 15. – M.: RSUH, 2016. – P. 50-58.

Loukachevitch N. V., Rubtsova Y. V. Comparison of Neural Network Architectures for Sentiment Analysis of Russian Tweets // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference «Dialogue». – Vol. 15. – M.: RSUH, 2016. – P. 416-426.

Kotelnikov E. V., Bushmeleva N. A., Razova E. V., Peskisheva T. A., Pletneva M. V. Comparison of Neural Network Architectures for Sentiment Analysis of Russian Tweets // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference «Dialogue». – Vol. 15. – M.: RSUH, 2016. – P. 300-314.

Polyakov P. Yu., Kalinina M. V., Pleshko V. V. Automatic Object-oriented Sentiment Analysis by Means of Semantic Templates and Sentiment Lexicon Dictionaries // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference «Dialogue». – M.: RSUH, 2015. – Vol. 14(2). – P. 44-52.

Толдова С. Ю., Соколова Е. Г., Астафьева И., Гарейшина А. и др. Оценка методов автоматического анализа текста 2011-2012: синтаксические парсеры русского языка // Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной Международной конференции «Диалог». – М.: РГГУ, 2012. – Т. 11(2). – С. 77-90.

Nivre J., Hall J., Nilsson J., Chanev A. et al. MaltParser: A language-independent system for data-driven dependency parsing // Natural Language Engineering. – Cambridge University Press, 2007. – Vol. 13(2) – P. 95-135.

Апресян Ю. Д., Богуславский И. М., Иомдин Б. Л., Иомдин Л. Л. и др. Синтаксически и семантически аннотированный корпус русского языка: современное состояние и перспективы // Национальный корпус русского языка 2003–-2005 гг. (результаты и перспективы). – М.: Индрик, 2005. – С. 193-214.

Natural Language Toolkit – NLTK 3.2.5 documentation [Электронный ресурс]. URL: http://www.nltk.org (дата обращения 22.03.2018).

dustalov/greeb: Greeb is a simple Unicode-aware regexp-based tokenizer [Электронный ресурс]. URL: https://github.com/dustalov/greeb (дата обращения 22.03.2018).

Ilya Segalovich. A Fast Morphological Algorithm with Unknown Word Guessing Induced by a Dictionary for a Web Search Engine // Proceedings of the International Conference on Machine Learning; Models, Technologies and Applications. – Las Vegas, 2003. – P. 273-280.

Mikhail Korobov. Morphological Analyzer and Generator for Russian and Ukrainian Languages // Analysis of Images, Social Networks and Texts. – Vol. 542. – Cham: Springer, 2015. – P. 320-332.

Dubatovka A., Kurochkin Yu., Mikhailova E. Automatic Generation of the Domain-Specific Sentiment Russian Dictionaries // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference «Dialogue». – Vol. 15. – M.: RSUH, 2016. – P. 146-158.

Koltsova O. Yu., Alexeeva S. V., Kolcov S. N. An Opinion Word Lexicon and a Training Dataset for Russian Sentiment Analysis of Social Media // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference «Dialogue». – Vol. 15. – M.: RSUH, 2016. – P. 277-287.

Lluís Padró, Evgeny Stanilovsky. FreeLing 3.0: Towards Wider Multilinguality // Proceedings of the Eight International Conference on Language Resources and Evaluation. – Istanbul, Turkey: European Language Resources Association, 2012. – P. 2473-2479.

Опубліковано

2018-04-30

Як цитувати

Asiryan, A. K. (2018). ОЦІНКА ТОНАЛЬНІСТЬ СТРІЧКАХ ПОВІДОМЛЕНЬ. Науковий погляд у майбутнє, 1(09-01), 27–33. https://doi.org/10.30888/2415-7538.2018-09-01-005

Номер

Розділ

Статті

Статті цього автора (авторів), які найбільше читають