Дослідження методів аналізу відгуків про товари магазинів електроніки
DOI:
https://doi.org/10.15587/2313-8416.2018.135069Ключові слова:
обробка природної мови, обчислювальні алгоритми, аналіз даних, комп’ютерна лінгвістикаАнотація
Робота присвячена вивченню методів аналізу відгуків про товари магазинів електроніки. Предметом дослідження є відгуки про товари. Метою роботи є аналіз методів обробки природної мови в контексті задачі аналізу відгуків. Методом дослідження є комп'ютерне та математичне моделювання.
В роботі були розглянуті різні класи методів аналізу відгуків про товари магазинів електроніки, в якості практичної реалізації було проведено порівняння результатів передбачення. Результати дослідження мають застосування при аналізі відгуків будь-якого магазину
Посилання
Ratner, A., De Sa, C., Wu, S., Selsam, D., Re, C. (2016). Data programming: Creating large training sets, quickly. Advances in Neural Information Processing Systems (NIPS). New York: Curran Associates, 3567–3575.
Lei, T., Barzilay, R., Jaakkola, T. (2016). Rationalizing neural predictions. Empirical Methods in Natural Language Processing. Austin, 107–117. doi: http://doi.org/10.18653/v1/d16-1011
Roth, B., Klakow, D. (2013). Combining generative and discriminative model scores for distant supervision. Empirical Methods in Natural Language Processing. Seattle, 24–29.
Srivastava, S., Labutov, I., Mitchell, T. (2017). Joint concept learning and semantic parsing from natural language explanations. Empirical Methods in Natural Language Processing. Copenhagen, 1527–1536. doi: http://doi.org/10.18653/v1/d17-1161
Voigt, R., Jurafsky, D. (2015). The Users Who Say 'Ni': Audience Identification in Chinese-language Restaurant Reviews. Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing. Beijing, 314–319. doi: http://doi.org/10.3115/v1/p15-2052
% Of Consumers Trust Online Reviews As Much As Personal Recommendations. Search Engine Land. Available at: https://searchengineland.com/88-consumers-trust-online-reviews-much-personal-recommendations-195803 Last accessed: 04.06.2018
Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank. Stanford University Sentiment Analysis. Available at: https://nlp.stanford.edu/sentiment/ Last accessed: 07.06.2018
Wang, S., Manning, C. (2012). Baselines and Bigrams: Simple, Good Sentiment and Topic Classification. Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics. Jeju, 90–94.
Hochreiter, S., Schmidhuber, J. (1997). Long Short-Term Memory. Neural Computation, 9 (8), 1735–1780. doi: http://doi.org/10.1162/neco.1997.9.8.1735
LeCun, Y., Boser, B., Denker, J. S., Henderson, D., Howard, R. E., Hubbard, W., Jackel, L. D. (1989). Backpropagation Applied to Handwritten Zip Code Recognition. Neural Computation, 1 (4), 541–551. doi: http://doi.org/10.1162/neco.1989.1.4.541
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Olekander Vechur, Oleksii Spodarets
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons CC BY для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.