В современном мире существуют различные средства коммуникации: электронные устройства, web- и мобильные приложения (интернет-форумы, чаты, блоги, социальные сети). В результате возникает огромное количество информации о самих пользователях, их отношении к другим людям, событиям, происходящим в мире. Данная информация может быть полезна при моделировании процессов, происходящих в обществе, прогнозировании поведения людей. В связи с тем, что информация, находящаяся в интернете, во многих случаях представлена в виде текста на естественном языке, необходимо использовать методы компьютерной лингвистики. Например, по тексту требуется определить, какую эмоцию он несет. Для этого достаточно будет классифицировать эмоцию на позитивную и негативную. В работе дан анализ подходов, которые могут при этом использоваться: сверточные нейронные сети (Convolutional Neural Networks) и рекурентные нейронные сети (Recurrent Neural Network). Авторами составлен алгоритм обработки текста на естественном языке. Созданный в работе программным образом алгоритм реализуется с помощью Word2Vec, SQLite, Python: Gensim, Keras, функция активации ReLU, функция оптимизации Adam. Даны рекомендации по предварительной обработке текста на естественом языке (приведение к нижнему регистру, замена «ё» на «е», замена ссылок на токен «URL», замена упоминания пользователя на токен «USER», удаление знаков пунктуации), чтобы осуществлять полноценный анализ тональности текста. Показаны основные этапы алгоритма анализа тональности текста. В статье продемонстрирован пример фрагментов программного кода, описывающих работу ключевых этапов алгоритма. Проведено сравнение результатов применения сверточной нейронной сети и рекуррентной нейронной сети. Они продемонстрировали, что, с точки зрения определения позитивной, негативной, нейтральной тональности, лучшими характеристиками по точности обладает сверточная нейронная сеть.
In the modern world, there are various means of communication: electronic devices, web and mobile applications (Internet forums, chats, blogs, social networks). As a result, a huge amount of information appears about the users themselves, about their attitude to other people, to events taking place in the world. This information can be useful in modeling the processes occurring in society, predicting the behavior of people. Thus, the methods of collecting and analyzing information contained on the Internet are interesting for research. Information on the Internet is presented in the form of a text in a natural language, therefore it is necessary to use the methods of computational linguistics. For example, let's say we have text. Without reading, is it possible to understand what emotion he carries? You can, for example, classify an emotion into positive and negative. The paper discusses Convolutional Neural Networks, which were originally developed for image processing, but also cope with tasks in the field of automatic word processing and Recurrent Neural Networks, the main difference from traditional ones is the logic of the network operation, in which each neuron interacts with itself.
The authors declare that there are no conflicts of interest present.