Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/36642| Назва: | Алгоритмічне та програмне забезпечення систем автоматизованого оцінювання емоційного нахилу статей про Україну |
| Інші назви: | Algorithms and software for automated sentiment analysis of articles about |
| Автори: | Кохан, Василь Володимир Богданович Kokhan, Vasyl Volodymyr |
| Приналежність: | Тернопільський національний технічний університет імені Івана Пулюя Ternopil Ivan Puluj National Technical University |
| Бібліографічний опис: | Кохан В. В. Б. Алгоритмічне та програмне забезпечення систем автоматизованого оцінювання емоційного нахилу статей про Україну: кваліфікаційна робота магістра за спеціальністю „123 — Комп’ютерна інженерія“ / В. В. Б. Кохан – Тернопіль: ТНТУ, 2021. – 65 c. |
| Bibliographic description: | Kokhan V. V. Algorithms and software of systems for automated sentiment analysis of articles about Ukraine „123 — Computer Engineering“ / V. V. Kokhan – Ternopil: TNTU, 2021. p. – 65. |
| Дата публікації: | гру-2021 |
| Дата подання: | гру-2021 |
| Дата внесення: | 21-гру-2021 |
| Видавництво: | Тернопільський національний технічний університет імені Івана Пулюя |
| Країна (код): | UA |
| Місце видання, проведення: | Тернопільський національний технічний університет імені Івана Пулюя |
| Науковий керівник: | Тиш, Євгенія Володимирівна Tysh, Ievgeniia |
| Члени комітету: | Дячук, Степан Федорович Dyachuk, Stepan |
| УДК: | 004.02:[004.91+004.93]+316.4 |
| Теми: | 123 комп’ютерна інженерія sentiment anaysis оцінка емоційного нахилу Україна Ukraine датасет dataset API |
| Кількість сторінок: | 65 |
| Короткий огляд (реферат): | Метою роботи є дослідження та розробка алгоритму та програмного забезпечення для проведення автоматизованої оцінки емоційного нахилу статей з соціальної мережі мікроблогів Твіттер.
В розділі 1 розглянуто алгоритми для визначення емоційного нахилу текстів, наявні онлайн інструменти аналізу та підходи до збору даних для аналізу.
В розділі 2 описано процес отримання доступу до Твіттер АПІ, підходи до збору даних для аналізу та проведено аналіз існуючих алгоритмів оцінки емоційного нахилу текстів.
В розділі 3 проведено збір даних для оцінки через Твіттер АПІ, розроблено та реалізовано у коді алгоритм очистки даних від зайвих елементів, розроблено та реалізовано алгоритм аналізу емоційного нахилу текстів.
В розділі 4 описано основні вимоги роботи та експлуатації програмної реалізації алгоритму автоматизованого оцінювання емоційного нахилу статей про Україну, відповідно до державних санітарних правил і норм роботи з візуальними дисплейними терміналами електронно-обчислювальних машин ДСанПІН 3.3.2.007-98. The aim of the work is to research and develop an algorithm and software for automated sentiment analysis of articles from the social microblogs network Twitter. Section 1 describes algorithms for determining the sentiment of texts, analysis tools available online, and approaches to collecting data for analysis. Section 2 describes the process of gaining access to the Twitter API, approaches to data collection for analysis, and analyzes existing algorithms for sentiment analysis of texts. In section 3, data was collected for evaluation via Twitter API, was developed an algorithm for cleaning data from redundant elements and implemented in the code, and an algorithm for sentiment analysis of texts was developed and implemented as well. Section 4 describes the main requirements for the operation of the software implementation of the algorithm for automated sentiment analysis of articles about Ukraine, in accordance with state sanitary rules and regulations for working with visual display terminals of electronic computers DSanPIN 3.3.2.007-98. |
| Зміст: | ВСТУП 9 РОЗДІЛ 1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ ТА ОГЛЯД АЛГОРИТМІВ ДЛЯ ВИЗНАЧЕННЯ ЕМОЦІЙНОГО НАХИЛУ ТЕКСТІВ 11 1.1. Оцінка емоційного нахилу текстів 11 1.2. Аналіз інструментів та публікацій на тему аналізу емоційного нахилу 14 1.3. Підходи до збору даних для аналізу емоційного нахилу текстів 18 1.4. Висновки розділу 1 23 РОЗДІЛ 2 РОЗРОБКА АЛГОРИТМУ ОЦІНКИ ЕМОЦІЙНОГО НАХИЛУ СТАТТЕЙ НОВИН 25 2.1. Процес отримання доступу до Твіттер АПІ 25 2.2. Звернення до Твіттер АПІ 28 2.3. Аналіз даних 32 2.4. Висновки розділу 2 33 РОЗДІЛ 3 ПРАКТИЧНА РЕАЛІЗАЦІЯ АЛГОРИТМУ ТА ДОСЛІДЖЕННЯ АНАЛІЗУ ЕМОЦІЙНОГО НАХИЛУ ТЕКСТУ 34 3.1. Процес збору даних 34 3.2. Підготовка даних до аналізу 36 3.3. Оцінювання емоційного нахилу текстів 40 3.4. Висновки розділу 3 46 РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 47 4.1. Охорона праці 47 4.2. Забезпечення безпеки життєдіяльності при роботі з ПК 49 ВИСНОВКИ 52 ПЕРЕЛІК ПОСИЛАНЬ 53 ДОДАТОК А 57 ДОДАТОК Б 64 ДОДАТОК В 65 |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/36642 |
| Власник авторського права: | © Кохан Василь Володимир Богданович, 2021 |
| Перелік літератури: | 1. Тиш Є.В., Кохан В.В.Б. Формування суспільної думки в соціальних мереж на прикладі мережі Twitter. Актуальні задачі сучасних технологій: збірник тез доповідей Х міжнародної науково-практичної конференції Молодих учених та студентів, (Тернопіль, 24–25 листопада 2021 р.). Міністерство освіти і науки України, Тернопільський національний технічний університет імені Івана Пулюя [та ін.]. Тернопіль: ФОП Паляниця В. А., 2021. Т. 1. С. 127. 2. Кохан В.В.Б, Тиш Є.В. Методи оцінювання емоційного нахилу текстів засобами штучного інтелекту. Матеріали IX науково-технічної конференції «Інформаційні моделі, системи та технології» Тернопільського національного технічного університету імені Івана Пулюя, (Тернопіль, 8 – 9 грудня 2021 р.). Тернопіль: Тернопільський національний технічний університет імені Івана Пулюя, 2021. С. 112. 3. Artificial Intelligence: A Modern Approach, 4th US ed. Artificial Intelligence: A Modern Approach, 4th US ed. URL: http://aima.cs.berkeley.edu (дата звернення: 15.11.2021). 4. Turing A. M. I.–COMPUTING MACHINERY AND INTELLIGENCE. Mind. 1950. URL: https://academic.oup.com/mind/article/LIX/236/433/986238 (дата звернення: 15.11.2021). 5. Bollen J., Mao H. Twitter mood predicts the stock market. arXiv.org e-Print archive. URL: https://arxiv.org/PS_cache/arxiv/pdf/1010/1010.3003v1.pdf (дата звернення: 15.11.2021). 6. Pang B., Lee L. Opinion mining and sentiment analysis. Now the essence of knowledge. 2008. URL: https://www.cs.cornell.edu/home/llee/omsa/omsa.pdf (дата звернення: 15.11.2021). 7. Cambria E. Affective Computing and Sentiment Analysis. IEEE Intelligent Systems. 2016. Т. 31, № 2. P. 102–107. URL: https://ieeexplore.ieee.org/document/7435182 (дата звернення: 15.11.2021). 8. Can news help measure economic sentiment? An application in COVID-19 times / P. Aguilar et al. Economics Letters. 2021. P. 109730. URL: https://doi.org/10.1016/j.econlet.2021.109730 (дата звернення: 15.11.2021). 9. Kaya M. Stock price prediction using financial news articles. 2010 2nd IEEE International Conference on Information and Financial Engineering. 2010. URL: https://doi.org/10.26782/jmcms.spl.10/2020.06.00048 (дата звернення: 15.11.2021). 10. Yadava R., Kumarb A. V., Kumarc A. News-based supervised sentiment analysis for prediction of futures buying behaviour. IIMB Management Review. 2019. URL: https://www.sciencedirect.com/science/article/pii/S0970389619301569 (дата звернення: 15.11.2021). 11. Nam K., Seong N. Financial news-based stock movement prediction using causality analysis of influence in the Korean stock market. Decision Support Systems. 2019. Т. 117. С. 100–112. URL: https://www.sciencedirect.com/science/article/abs/pii/S0167923618301957 (дата звернення: 15.11.2021). 12. MonkeyLearn - Text Analysis. MonkeyLearn. URL: https://monkeylearn.com/ (дата звернення: 15.11.2021). 13. Social Searcher - Free Social Media Search Engine. Social Searcher. URL: https://www.social-searcher.com (дата звернення: 15.11.2021). 14. Xiong F., Liu Y. Opinion formation on social media: An empirical approach. Chaos: An Interdisciplinary Journal of Nonlinear Science. 2014. Т. 24, № 1. URL: https://aip.scitation.org/doi/full/10.1063/1.4866011 (дата звернення: 15.11.2021). 15. Peng W. Generate adjective sentiment dictionary for social media sentiment analysis using constrained nonnegative matrix factorization. in Proceedings of the International AAAI Conference on Weblogs and Social Media. 2011. URL: https://www.aaai.org/ocs/index.php/ICWSM/ICWSM11/paper/viewPaper/2723 (дата звернення: 15.11.2021). 16. Levchenko O., Dilai M. Attitudes Toward Feminism in Ukraine: A Sentiment Analysis of Tweets. Advances in Intelligent Systems and Computing III. CSIT 2018. Advances in Intelligent Systems and Computing. 2019. Т. 871. URL: https://link.springer.com/chapter/10.1007/978-3-030-01069-0_9 (дата звернення: 15.11.2021). 17. SentiStrength - sentiment strength detection in short texts - sentiment analysis, opinion mining. SentiStrength. URL: http://sentistrength.wlv.ac.uk/#About (дата звернення: 15.11.2021). 18. Developer Agreement and Policy – Twitter Developers | Twitter Developer Platform. Developer Agreement and Policy. URL: https://developer.twitter.com/en/developer-terms/agreement-and-policy. (дата звернення: 15.11.2021). 19. Where to get Twitter data for academic research • Social Feed Manager. Social Feed Manager. URL: https://gwu-libraries.github.io/sfm-ui/posts/2017-09-14-twitter-data (дата звернення: 15.11.2021). 20. Getting Started with the Twitter API | Docs | Twitter Developer Platform. Twitter Developer Platform. URL: https://developer.twitter.com/en/docs/twitter-api/getting-started/about-twitter-api#Access (дата звернення: 15.11.2021). 21. ParseHub | Free web scraping - The most powerful web scraper. ParseHub. URL: https://www.parsehub.com (дата звернення: 15.11.2021). 22. Твіттер. Все, що актуально. Твіттер. URL: https://twitter.com (дата звернення: 15.11.2021). 23. Use Cases, Tutorials, & Documentation | Twitter Developer Platform. Twitter Developer Platform. URL: https://developer.twitter.com/en (дата звернення: 15.11.2021). 24. GET /2/tweets/search/all | Docs | Twitter Developer Platform. Twitter Developer Platform. URL: https://developer.twitter.com/en/docs/twitter-api/tweets/search/api-reference/get-tweets-search-all (дата звернення: 15.11.2021). 25. Twitter API Tools. URL: https://developer.twitter.com/apitools/api (дата звернення: 15.11.2021). 26. Zhai S. NLP With Python: Build a Haiku Machine in 50 Lines Of Code. Medium. URL: https://betterprogramming.pub/nlp-with-python-build-a-haiku-machine-in-50-lines-of-code-6c7b6de959e3 (дата звернення: 15.11.2021). 27. Smedt T. D., Daelemans W. Pattern for Python. Journal of Machine Learning Research 13. 2012. URL: https://libraries.universityofcalifornia.edu/groups/files/about/desmedt12a.pdf (дата звернення: 15.11.2021). 28. Hutto C. J., Gilbert E. VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text. Eighth International Conference on Weblogs and Social Media (ICWSM-14). 2014. URL: http://comp.social.gatech.edu/papers/icwsm14.vader.hutto.pdf (дата звернення: 15.11.2021). 29. Baccianella S., Esuli A., Sebastiani F. SENTIWORDNET 3.0: An Enhanced Lexical Resource for Sentiment Analysis and Opinion Mining. Istituto di Scienza e Tecnologie dell’Informazione. URL: http://nmis.isti.cnr.it/sebastiani/Publications/LREC10.pdf (дата звернення: 15.11.2021). 30. Про охорону праці. Офіційний вебпортал парламенту України. URL: https://zakon.rada.gov.ua/laws/show/2694-12#Text (дата звернення: 15.11.2021). 31. Державні санітарні правила і норми роботи з візуальними дисплейними терміналами електронно-обчислювальних машин. Офіційний вебпортал парламенту України. URL: https://zakon.rada.gov.ua/rada/show/v0007282-98#Text (дата звернення: 15.11.2021). 32. Про затвердження Вимог щодо безпеки та захисту здоров'я працівників під час роботи з екранними пристроями. Офіційний вебпортал парламенту України. URL: https://zakon.rada.gov.ua/laws/show/z0508-18#Text (дата звернення: 15.11.2021). 33. Санітарні норми мікроклімату виробничих приміщень ДСН 3.3.6.042-99. Офіційний вебпортал парламенту України. URL: https://zakon.rada.gov.ua/rada/show/va042282-99#Text (дата звернення: 15.11.2021). |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 123 — комп’ютерна інженерія |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Авторська довідка Кохан.docx | 21,91 kB | Microsoft Word XML | Переглянути/відкрити | |
| Магістерська Кохан.pdf | 7,36 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора