Программа анализа тональности текстов на основе деревьев синтаксических зависимостей с использованием методов машинного обучения

Работа посвящена бинарной классификации тональности русскоязычных текстов с использованием синтаксических признаков. В работе рассмотрены основные подходы к анализу тональности текстов, проанализированы подходы к извлечению синтаксических зависимостей в предложениях. Кроме того, приведено описание различных способов извлечения признаков для классификации эмоциональной окраски текстов. Объектом разработки является Python-библиотека для бинарной классификации эмоциональной окраски русскоязычных текстов. Реализованы методы предварительной обработки текста и подходы представления текстовой информации в векторном виде. Реализован подход к извлечению синтаксических признаков из текста, а так же реализованы алгоритм наивного Байесовского классификатора с мультиномиальным распределением и классификатор на основе метода K-ближайших соседей. Для оценки качества алгоритмов описаны и реализованы ключевые метрики. По результатам оценки качества работы алгоритмов с разными наборами признаков для классификации, синтаксические признаки показали значительное улучшение качества классификации. Исследование прошло апробацию: Сметанин, С.И. Выявление отношения пользователей к продукту на основе анализа тональности сообщений в социальных сетях // Электронный бизнес. Управление интернет-проектами. Инновации: сборник трудов участников VIII Студенческой научно-практической конференции, Москва, март 2016 - М: Изд. дом Высшей школы экономики, 2016 - in press. Сметанин, С.И. Программа для анализа тональности сообщений в социальных сетях // Сборник тезисов XXII Международной научной конференции студентов, аспирантов и молодых ученых «Ломоносов 2016». - М: МАКС Пресс, апрель 2016. – С. 86-87. Работа содержит 66 страниц, 3 главы, 5 рисунков, 35 таблиц, 50 источников, 5 приложений. Ключевые слова: обработка естественных языков, анализ тональности, частеречная разметка, морфологическая омонимия, синтаксический анализ.