РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ АНАЛИЗА ЭМОЦИОНАЛЬНОГО ТОНА ТЕКСТОВЫХ КОММЕНТАРИЕВ

Раздел
Программирование
Просмотров
38
Покупок
0
Антиплагиат
Не указан
Размещена
16 Сен в 08:59
ВУЗ
Не указан
Курс
Не указан
Стоимость
3 000 ₽
Файлы работы   
1
Каждая работа проверяется на плагиат, на момент публикации уникальность составляет не менее 40% по системе проверки eTXT.
pdf
РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ АНАЛИЗА ЭМОЦИОНАЛЬНОГО ТОНА ТЕКСТОВЫХ КОММЕНТАРИЕВ
2 Мбайт 3 000 ₽
Описание

Работа загружена в текстовом формате PDF (работа легко редактируется, форматируется, конвертируется в word). 

Данная работа посвящена разработке приложения для анализа эмоционального тона текстовых комментариев. В исследовании используются современные методы обработки естественного языка (NLP) и глубокие нейронные сети (DNN) для автоматизации анализа пользовательских отзывов на платформе YouTube.

В ходе проекта решались следующие задачи:

1. Подготовка данных.

2. Проектирование нейросетевой модели.

3. Обучение модели.

4. Интеграция с пользовательским интерфейсом:

5. Статистика и визуализация.

В результате работы было создано веб-приложение, которое автоматически анализирует эмоциональный тон комментариев, предоставляя быстрые и точные выводы.

Данный проект призван помочь пользователям более глубоко понимать эмоциональные реакции на контент платформы YouTube.

Оглавление

СОДЕРЖАНИЕ

ВВЕДЕНИЕ.................................................................................................................. 8

1. ОБЗОР ЛИТЕРАТУРЫ.......................................................................................... 11

1.1. Обзор существующих решений................................................................... 11

1.2. Обзор методов обработки естественного языка (NLP)..............................12

1.3. Техники естественной обработки языка..................................................... 13

1.3.1. Токенизация........................................................................................... 13

1.3.2. Приведение к нижнему регистру и удаление знаков препинания....14

1.3.3. Удаление стоп-слов............................................................................... 14

1.3.4. Удаление ссылок и HTML тегов.......................................................... 14

1.4. Глубокое обучение для задач NLP............................................................... 14

1.4.1. Простые нейронные сети......................................................................15

1.4.2. Рекуррентные нейронные сети............................................................ 16

1.4.3. Свёрточные нейронные сети................................................................ 18

2. ПОДХОД К РАЗРАБОТКЕ.................................................................................... 21

2.1. Обоснование выбора технологий и средств разработки........................... 21

2.2. Обоснование архитектурных решений....................................................... 22

2.3. Выбор датасета для обучения...................................................................... 23

2.4. Предварительная обработка данных........................................................... 24

2.4.1. Увеличение сбалансированности.........................................................24

2.4.2. Приведение к нижнему регистру и удаление знаков препинания....26

2.4.3. Токенизация........................................................................................... 26

2.4.4. Создание последовательностей........................................................... 26

2.5. Построение и обучение нейросетей............................................................ 27

2.5.1. Архитектуры нейросетей......................................................................27

2.5.2. Обучение моделей................................................................................. 28

2.6. Оценка и выбор модели................................................................................ 29

2.6.1. Метрики оценивания.............................................................................29

2.6.2. Выбор наилучшей модели.................................................................... 30

3. РЕАЛИЗАЦИЯ.......................................................................................................31

3.1. Реализация серверной части приложения...................................................31

3.1.1. YouTube Data API.................................................................................. 31

3.1.2. Использование модели нейросети....................................................... 35

3.1.3. Маршрутизация..................................................................................... 36

3.2. Реализация клиентской части приложения.................................................37

4. РЕЗУЛЬТАТЫ.........................................................................................................42

ЗАКЛЮЧЕНИЕ..........................................................................................................46

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ.................................................47

Список литературы

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Comment analyzer - URL: https:/

3. YouTube Comments Analyzer - URL: https:/

4. Diksha Khurana, Aditya Koli, Kiran Khatter, and Sukhdev Singh, - Natural Language Processing: State of The Art, Current Trends and Challenges (2022, Multimedia Tools and Applications)

5. Roman Egger, Enes Gokce - Natural Language Processing (NLP):An Introduction: Making Sense of Textual Data (2022, Applied Data Science in Tourism)

всего 19 источников

Вам подходит эта работа?
Похожие работы
Информационные технологии
Тест Тест
7 Ноя в 01:41
6 +6
0 покупок
Информационные технологии
Отчет по практике Практика
6 Ноя в 09:13
18 +3
0 покупок
Информационные технологии
Лабораторная работа Лабораторная
5 Ноя в 11:58
23 +2
0 покупок
Информационные технологии
Лабораторная работа Лабораторная
5 Ноя в 11:43
27 +7
0 покупок
Информационные технологии
Лабораторная работа Лабораторная
5 Ноя в 11:32
20 +4
0 покупок
Другие работы автора
ТВиМС - Теория вероятностей и математическая статистика
Задача Задача
27 Окт в 14:04
459 +1
10 покупок
ТВиМС - Теория вероятностей и математическая статистика
Задача Задача
27 Окт в 13:58
279 +1
13 покупок
ТВиМС - Теория вероятностей и математическая статистика
Задача Задача
27 Окт в 13:45
871 +6
14 покупок
ТВиМС - Теория вероятностей и математическая статистика
Задача Задача
27 Окт в 13:03
468 +9
15 покупок
ТВиМС - Теория вероятностей и математическая статистика
Задача Задача
27 Окт в 12:56
360
10 покупок
Математическая физика
Задача Задача
30 Сен в 08:03
33
0 покупок
Линейное программирование
Задача Задача
30 Сен в 07:58
37
0 покупок
ТВиМС - Теория вероятностей и математическая статистика
Задача Задача
30 Сен в 07:56
34
0 покупок
ТВиМС - Теория вероятностей и математическая статистика
Задача Задача
30 Сен в 07:54
31
0 покупок
ТВиМС - Теория вероятностей и математическая статистика
Задача Задача
30 Сен в 07:52
31
0 покупок
Высшая математика
Задача Задача
30 Сен в 07:48
46 +1
0 покупок
Методы оптимизации
Задача Задача
30 Сен в 07:47
27
0 покупок
Теория игр
Задача Задача
29 Сен в 17:31
34
0 покупок
Математическая статистика
Задача Задача
29 Сен в 17:11
30
0 покупок
Математическая статистика
Задача Задача
29 Сен в 17:09
26 +2
0 покупок
Математическая статистика
Задача Задача
29 Сен в 17:08
25
0 покупок
Линейное программирование
Задача Задача
29 Сен в 17:06
35
0 покупок
Методы оптимальных решений
Задача Задача
29 Сен в 17:05
39 +1
0 покупок
Юриспруденция
Дипломная работа Дипломная
25 Сен в 08:44
61
0 покупок
Темы журнала
Показать ещё
Прямой эфир