РОЗРОБКА РЕКУРЕНТНОЇ LSTM НЕЙРОМЕРЕЖІ ДЛЯ ПРОВЕДЕННЯ СЕНТИМЕНТ - АНАЛІЗУ ТЕКСТУ
Ескіз недоступний
Дата
2024-12
Автори
Назва журналу
Номер ISSN
Назва тому
Видавець
DTEU
Анотація
Кваліфікаційна робота присвячена розробці нейронної мережі на основі LSTM (Long Short-Term Memory) для проведення сентимент аналізу тексту. У роботі розглядаються основні підходи до аналізу сентименту текстових даних, акцентується увага на використанні рекурентних нейронних мереж та їхньої модифікації LSTM для врахування послідовних залежностей в тексті. Здійснено детальне дослідження методів попередньої обробки тексту, таких як токенізація, лемматизація та векторизація, що є важливими етапами перед тренуванням моделі. У процесі дослідження було розроблено нейронну мережу LSTM для задачі класифікації тексту за емоційною складовою (сентиментом), а також проведено її навчання та тестування на реальних текстових даних. Отримані результати продемонстрували здатність моделі ефективно класифікувати текстові дані за сентиментом, що підтверджується високими показниками точності. У роботі також проведено порівняльний аналіз з іншими методами сентимент аналізу.
Ключові слова: сентимент аналіз, обробка природної мови, нейронна мережа, LSTM, рекурентні нейронні мережі, класифікація тексту.
This thesis is dedicated to the development of an LSTM (Long Short-Term Memory) neural network for sentiment analysis of text. The study explores key approaches to sentiment analysis of textual data, with a focus on the use of recurrent neural networks and their LSTM modification for capturing sequential dependencies in text. Detailed research has been conducted on text preprocessing methods, such as tokenization, lemmatization, and vectorization, which are crucial steps before training the model.
Keywords: Sentiment analysis, Natural Language Processing, neural network, LSTM, recurrent neural networks, text classification.
Опис
КВАЛІФІКАЦІЙНА РОБОТА