Инструменты и методы работы с большими массивами текстовой информации

Бакалавриат 2019/2020

Статус: Курс по выбору (Реклама и связи с общественностью)

Направление: 42.03.01. Реклама и связи с общественностью

Кто читает: Школа коммуникаций

Где читается: Факультет креативных индустрий

Когда читается: 4-й курс, 3 модуль

Формат изучения: без онлайн-курса

Преподаватели: Алексейчук Никита Николаевич, Гончарова Елизавета Федоровна, Саркисян Вероника Вагановна

Язык: русский

Кредиты: 4

Контактные часы: 48

Полная версия программы учебной дисциплины

Аннотация

Одними из наиболее важных последствий становления цифрового общества для коммуникационных исследований сегодня является существенное увеличение объемов «цифровых следов коммуникации», т.е. массивов текстовых данных. Данный курс является продолжением и одновременно логическим завершением основного курса специализации «Инструменты и методы в коммуникационных исследованиях». В рамках этой дисциплины студенты на протяжении двух модулей научатся работать с одним из наиболее сложных типов неструктурированных данных, а именно текстовой информацией, начиная с постов в социальных сетях и заканчивая массивами несистематизированной документации, квантифицировать их и использовать для задач предиктивной или диагностической аналитики. Уникальность курса заключается в том, что он сочетает в себе как навыки работы с инструментами и методами, освоенными студентами в рамках основной дисциплины специализации, так и новые навыки и знания из области аналитики данных, естественной обработки языка и компьютерной лингвистики. Кроме того, в рамках данной дисциплины студенты смогут обогатить свой опыт работы с текстами в рамках дискурс- и контент- анализа, методологически совершенствуя эти методы и масштабируя на большие массивы, неподдающиеся ручной обработке.

Цель освоения дисциплины

научить студентов работать с одним из наиболее сложных типов неструктурированных данных, а именно текстовой информацией, начиная с постов в социальных сетях и заканчивая массивами несистематизированной документации, квантифицировать их и использовать для задач предиктивной или диагностической аналитики.

Планируемые результаты обучения

Знает основные задачи обработки и анализа текстов
Умеет проводить предварительную обработку текстовых данных
Умеет проводить частотный анализ текстовых данных и визуализировать их
Умеет применять методы ML к классификации текстовых данных
Умеет применять методы тематического моделирования
Знает кейсы и примеры содержательных задач анализа текстов

Содержание учебной дисциплины

Введение: содержательные задачи и методы NLP
Обзор основных задач обработки и анализа текстов. Содержательные задачи и примеры кейсов использования методов анализа текстов в маркетинге, коммуникациях и PR. Инструменты для анализа текстовых данных.
Методы предварительной обработки текстов
Устройство баз данных, хранящих текстовые данные. Регулярные выражения. Лемматизация, стемминг, токенизация. Инструменты и библиотеки для предварительной обработки текстовых данных. Обзор инструментов NLTK.
Частотный анализ текстовых данных
Модель мешка слов. Преимущества и недостатки. TF-IDF и другие расширения для стандартной модели мешка слов. N-граммы. Визуализация текстовых данных.
Задача классификации текстовых данных
Задача бинарной, много классовой классификации для текстов. Использование традиционных инструментов ML для классификации текстов. Обзор современных методов глубинного обучения для классификации текстов.
Тематическое моделирование
Задача поиска латентных тем в документах. Векторное представление текстов и его связь с тематическим моделированием. Латентное размещение Дирихле. Альтернативные подходы к тематическому моделированию. Визуализация результатов тематического моделирования и выбор числа тем.
Прикладные коммуникационные задачи и анализ текстов
Серия семинаров по содержательным задачам и кейсам применения методов анализа текстов к содержательным задачам коммуникаций. Анализ сентиментов. Методы классификации сарказма, распознавания hate speech и кибербуллинга. Мониторинг повестки дня. Задачи распознавания пропаганды. Другие кейсы.

Элементы контроля

Индивидуальные и групповые домашние задания
Письменные тесты

Промежуточная аттестация

Промежуточная аттестация (3 модуль)
0.7 * Индивидуальные и групповые домашние задания + 0.3 * Письменные тесты

Программа дисциплины