doi: 10.17586/2226-1494-2015-15-1-169-171


УДК 004.4

ПРИМЕНЕНИЕ СЕНТИМЕНТ-АНАЛИЗА ТЕКСТОВ ДЛЯ ОЦЕНКИ ОБЩЕСТВЕННОГО МНЕНИЯ

Бессмертный И.А., Посевкин Р.В.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Посевкин Р.В., Бессмертный И.А. Применение сентимент-анализа текстов для оценки общественного мнения// Научно-технический вестник информационных технологий, механики и оптики. 2015. Том 15. № 1. С. 169–171

Аннотация

Описывается подход к оценке эмоциональной окрашенности естественно-языковых текстов на основе словарей тональности. Предложен метод автоматической оценки общественного мнения с помощью сентимент-анализа отзывов и обсуждений опубликованных документов в сети Интернет, базирующийся на статистике использованных слов. Разработан исследовательский прототип программной системы, производящей сентимент-анализ естественно-языкового текста на русском языке на основе линейной шкалы. Для более точного сопоставления каждого слова в предложении словарю выполняются синтаксический анализ и лемматизация. Словари тональности представлены в открытом и удобочитаемом виде, что позволяет его расширять и корректировать. Программная система сентимент-анализа русскоязычного текста, реализованная на открытых словарях тональности, разработана впервые. 


Ключевые слова: анализ тональности текста, тональность, сентимент-анализ, естественно-языковой текст

Список литературы

1. Бессмертный И.А., Джалиашвили З.О., Максимов В.В., Маркин Д.А. Лингвооценочное управление текстом // Тезисы докладов X Международной конференции «Применение новых технологий в образовании». Троицк: Фонд новых технологий в образовании «Байтик», 1999

2. Nugumanova A., Bessmertnyi I. Applying the latent semantic analysis to the issue of automatic extraction of collocations from the domain texts // Communications in Computer and Information Science. 2013. V. 394. P. 92–101. doi: 10.1007/978-3-642-41360-5_8

3. Позельская А.Г., Соловьев А.Н. Метод определения эмоций в текстах на русском языке // Тезисы докладов Международной конференции по компьютерной лингвистике и интеллектуальным технологиям «Диалог 2011». Москва, РГГУ, 2011. С. 510–522.

4. Cruz F.L., Troyano J.A., Pontes B., Ortega F.J. Building layered, multilingual sentiment lexicons at synset and lemma levels // Expert Systems with Applications. 2014. V. 41. N 13. P. 5984–5994. doi: 10.1016/j.eswa.2014.04.005

5. Ермаков С.А., Ермакова Л.М. Методы оценки эмоциональной окраски текста // Вестник Пермского университета. Серия: математика, механика, информатика. 2012. № 1. С. 85–90.

6. Parau P., Stef A., Lemnaru C., Dinsoreanu M., Potolea R. Using community detection for sentiment analysis // Proc. IEEE 9th Int. Conf. on Intelligent Computer Communication and Processing (ICCP 2013). 2013. P. 51–54. doi: 10.1109/ICCP.2013.6646080

7. Chiru C.-G., Hadgu A.T. Sentiment-based text segmentation // Proc. 2nd Int. Conf. on Systems and Computer Science (ICSCS 2013). 2013. P. 234–239. doi: 10.1109/IcConSCS.2013.6632053

8. Минаков И.А. Анализ эмоциональной тональности текста и его применение для повышения качества переходов по релевантным объявлениям // Вестник Самарского государственного технического университета. Серия: технические науки. 2013. № 1 (37). С. 58–63. 



Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2024 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика