Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: https://dspace.wunu.edu.ua/handle/316497/54791
Назва: Модуль аналізу тональності тексту для визначення емоційного забарвлення публікацій за тематичними рубриками
Інші назви: Module for text sentiment analysis to determine emotional coloring of publications by thematic categories
Автори: Богута, Геннадій Миколайович
Ключові слова: аналіз тональності
нейронна мережа
машинне навчання
емоційне забарвлення
гібридна війна
tone analysis
neural network
machine learning
emotional tint
hybrid warfare
Дата публікації: 2025
Видавництво: Тернопіль, ЗУНУ
Бібліографічний опис: Богута, Г. М. Модуль аналізу тональності тексту для визначення емоційного забарвлення публікацій за тематичними рубриками = Module for text sentiment analysis to determine emotional coloring of publications by thematic categories : кваліфікаційна робота : спец. 122 – комп’ютерні науки освітньо-професійна програма – комп’ютерні науки / Геннадій Миколайович Богута ; наук. керівник к.т.н., доц. Х. В. Ліп’яніна-Гончаренко. Тернопіль : ЗУНУ, 2025. 66 с.
Короткий огляд (реферат): Метою роботи є розробка та реалізація інтелектуального модуля для автоматизованого аналізу тональності публікацій, що охоплює багатомовний переклад, тематичну класифікацію, класифікацію за тональністю, інверсію результатів та візуалізацію даних. Методами дослідження обрано методи інтелектуального аналізу текстових даних, зокрема попередню обробку, машинний переклад, машинне навчання (Naive Bayes, SVM, Random Forest), глибоке навчання (CNN), а також лексичні словникові підходи. Застосовано методи класифікації, метричної оцінки якості (accuracy, precision, recall, F1-score) та розроблено web-інтерфейс для інтерактивної взаємодії з користувачем. У результаті виконання роботи створено програмний засіб, здатний аналізувати тональність новинних публікацій, враховуючи тематичний контекст і походження джерела. Проведено тестування модуля на реальних прикладах медіа, що підтвердило ефективність моделі з точністю класифікації досягти точності до 84% на тренувальній вибірці та 78% на валідаційній у складних умовах інформаційного середовища.
URI (Уніфікований ідентифікатор ресурсу): https://dspace.wunu.edu.ua/handle/316497/54791
Розташовується у зібраннях:2024-2025 н. р.

Файли цього матеріалу:
Файл Опис РозмірФормат 
Богута_КН-42.pdf2.09 MBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.