Применение рекурсивной тензорной нейронной модели к анализу тональности отзывов об интернет-магазинах на русском языке

<p>С увеличением количества пользователей, оставляющих свои мнения в интернете в виде текстов, их обработка вручную становится невозможной. В связи с этим быстро развиваются разработки в области автоматического анализа тональности текста. Один из наиболее поздних методов анализа тональности, рекурсивная нейронная тензорная модель, показал отличные результаты по сравнению с более ранними методами анализа текстов на английском языке. Задача этого исследования заключается в программной реализации этого метода для текстов на русском языке, выявлении его основных достоинств и недостатков, а также оценке возможности его практического применения для анализа тональности отзывов пользователей об интернет-магазинах.</p><p>Для тестирования исследуемой модели была сделана выборка из 247 отзывов об одном и том же интернет-магазине с оценками качества этого магазина по пятибалльной шкале с сайта Яндекс.Маркет. Эти оценки считались оценками тональности каждого предложения в отзыве. С помощью морфологического анализатора АОТ и реализованного авторами программного модуля интерактивного синтаксического анализа для каждого предложения выборки было построено бинарное дерево синтаксических зависимостей. При этом авторская орфография в выборке была сохранена.</p><p>Изучаемая модель была программно реализована на языке С++. Она &nbsp;сравнивалась с классическими методами анализа тональности, основанными на модели &laquo;мешок слов&raquo;, по точности бинарной классификации отзывов на классы: с оценками от &laquo;1&raquo; до &laquo;2&raquo; и с оценками от &laquo;3&raquo; от &laquo;5&raquo;&nbsp; &ndash; используя только одно предложение из отзыва. Проведенные эксперименты показали, что изучаемая модель, хотя и учитывает синтаксическую информацию, в целом показывает худшую точность, чем один из классических методов, ее не учитывающий. Также было замечено, что в отличие от классических методов, точность которых возрастает по мере увеличения количества слов в предложении, рекурсивная нейронная тензорная модель показывает хорошую точность на коротких и средней длины предложениях (до 15 слов) притом, что ее точность на длинных предложениях значительно хуже.</p><p style="text-align: justify;">Такое поведение исследуемой модели может быть связано с накоплением&nbsp; в длинных предложениях большого числа грамматических ошибок из выборки, а также тем, что в отличие от оригинального исследования для используемой выборки неизвестна оценка тональности каждой фразы каждого предложения.</p>