Research output: Contribution to journal › Article › peer-review
Анализ тональности комментариев в социальных сетях: создание карты эмоций жителей Санкт-Петербурга. / Чижик, Анна Владимировна; Мельникова, С.А.; Захаров, Виктор Павлович.
In: Компьютерная лингвистика и вычислительные онтологии, Vol. 6, 2022, p. 55-62.Research output: Contribution to journal › Article › peer-review
}
TY - JOUR
T1 - Анализ тональности комментариев в социальных сетях: создание карты эмоций жителей Санкт-Петербурга
AU - Чижик, Анна Владимировна
AU - Мельникова, С.А.
AU - Захаров, Виктор Павлович
PY - 2022
Y1 - 2022
N2 - Данная статья посвящена описанию эксперимента по оценке тональности комментариев к постам районных сообществ города Санкт-Петербурга (исследовано 36 публичных групп). Конечная цель авторов - интерактивная карта, отражающая индекс социального самочувствия горожан. В связи с этим на первом этапе реализации внимание было обращено на социальную сеть ВКонтакте и присутствующие в ней тематические паблики с привязкой к геолокации. Авторы предлагают методику сбора данных, которая основана на анализе темпоритма невербальной коммуникации членов сообществ. Затем фокус внимания исследования обращается к анализу нескольких алгоритмов машинного обучения с целью выделения наиболее оптимального. В работе приведена статистика успешности работы алгоритмов (логистическая регрессия, случайный лес, метод опорных векторов).
AB - Данная статья посвящена описанию эксперимента по оценке тональности комментариев к постам районных сообществ города Санкт-Петербурга (исследовано 36 публичных групп). Конечная цель авторов - интерактивная карта, отражающая индекс социального самочувствия горожан. В связи с этим на первом этапе реализации внимание было обращено на социальную сеть ВКонтакте и присутствующие в ней тематические паблики с привязкой к геолокации. Авторы предлагают методику сбора данных, которая основана на анализе темпоритма невербальной коммуникации членов сообществ. Затем фокус внимания исследования обращается к анализу нескольких алгоритмов машинного обучения с целью выделения наиболее оптимального. В работе приведена статистика успешности работы алгоритмов (логистическая регрессия, случайный лес, метод опорных векторов).
KW - ЭМОЦИОНАЛЬНОЕ КАРТИРОВАНИЕ
KW - тематическое моделирование
KW - ОЦЕНКА ТОНАЛЬНОСТИ
KW - ВЕКТОРИЗАЦИЯ ТЕКСТА
KW - sentiment analysis
KW - SOCIAL MEDIA
KW - SOCIAL MOOD
UR - https://elibrary.ru/item.asp?id=50188913
M3 - статья
VL - 6
SP - 55
EP - 62
JO - Компьютерная лингвистика и вычислительные онтологии
JF - Компьютерная лингвистика и вычислительные онтологии
SN - 2541-9781
ER -
ID: 103630925