Standard

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

Harvard

Чижик, АВ, Мельникова, СА & Захаров, ВП 2022, 'Анализ тональности комментариев в социальных сетях: создание карты эмоций жителей Санкт-Петербурга', Компьютерная лингвистика и вычислительные онтологии, vol. 6, pp. 55-62.

APA

Чижик, А. В., Мельникова, С. А., & Захаров, В. П. (2022). Анализ тональности комментариев в социальных сетях: создание карты эмоций жителей Санкт-Петербурга. Компьютерная лингвистика и вычислительные онтологии, 6, 55-62.

Vancouver

Чижик АВ, Мельникова СА, Захаров ВП. Анализ тональности комментариев в социальных сетях: создание карты эмоций жителей Санкт-Петербурга. Компьютерная лингвистика и вычислительные онтологии. 2022;6:55-62.

Author

Чижик, Анна Владимировна ; Мельникова, С.А. ; Захаров, Виктор Павлович. / Анализ тональности комментариев в социальных сетях: создание карты эмоций жителей Санкт-Петербурга. In: Компьютерная лингвистика и вычислительные онтологии. 2022 ; Vol. 6. pp. 55-62.

BibTeX

@article{67e6dc394f554844bf4a72d0b250dd36,
title = "Анализ тональности комментариев в социальных сетях: создание карты эмоций жителей Санкт-Петербурга",
abstract = "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).",
keywords = "ЭМОЦИОНАЛЬНОЕ КАРТИРОВАНИЕ, тематическое моделирование, ОЦЕНКА ТОНАЛЬНОСТИ, ВЕКТОРИЗАЦИЯ ТЕКСТА, sentiment analysis, SOCIAL MEDIA, SOCIAL MOOD",
author = "Чижик, {Анна Владимировна} and С.А. Мельникова and Захаров, {Виктор Павлович}",
year = "2022",
language = "русский",
volume = "6",
pages = "55--62",
journal = "Компьютерная лингвистика и вычислительные онтологии",
issn = "2541-9781",
publisher = "НИУ ИТМО",

}

RIS

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