Например, Бобцов

Эмоциональный анализ данных социальных сетей с использованием кластерной вероятностной нейронной сети с параллелизмом данных

Аннотация:

Социальные сети содержат огромное количество данных, которые используются различными организациями для изучения эмоций, мыслей и мнений людей. Пользователи часто используют смайлы и эмодзи в дополнение к словам, чтобы выразить свое мнение по обсуждаемой теме. Идентификация эмоций в тексте также требует изучения, однако исследования в этой области все еще находятся в начальном состоянии. Сегодня доступно недостаточно наборов данных с аннотациями интенсивностей эмоций. Сложность задачи аннотирования эмоций и дальнейшие комментарии пользователей становятся проблемами при разработке новых наборов данных. Для решения этих проблем выполняются многочисленные исследования. Разработанные методы　не смогли осуществить классификацию эмоций простым и экономичным способом. В настоящей работе представлена модель эффективной классификации эмоций в записях на основе кластеризации. Набор данных записей в социальных сетях предварительно обработан для удаления нежелательных элементов и далее кластеризован. С целью повышения эффективности классификации выбраны семантические и эмоциональные признаки. Для сокращения времени вычислений и повышения эффективности системы прогнозирования вероятности эмоций предложена концепция параллелизма данных в классификаторе. Предложенная модель апробирована с использованием программного обеспечения MATLAB. В результате модель обеспечила точности для аннотированного набора данных — 92 %, а для WASSA-2017 – 94 %. Выполнен анализ производительности описанной модели с существующими методами, такими как Parallel K-Nearest Neighboring и Parallel Naive Byes Model. Результаты сравнения показали, что предложенная модель наиболее эффективно предсказывает эмоции по сравнению с существующими.　

Ключевые слова:

Постоянный URL

Статьи в номере

Содержание © 1993–2024 Университет ИТМО
Разработка © 2015 Университет ИТМО