Сравнение подходов к построению ансамблевых моделей в задаче анализа отзывов пользователей

Анализ общедоступной информации, размещённой пользователями в социальных сетях, может поспособствовать развитию клиентоориентированности в различных компаниях по производству продукции и оказанию услуг физическим лицам. Такой информацией могут выступать отзывы клиентов и пользователей о товаре или услуге на различных сайтах. Базовые алгоритмы машинного обучения часто оказывают большое содействие в решении задачи выявления негативности отзыва. Целью работы является сравнение подходов построения ансамблевых моделей и исследование эффективности таких моделей в задачах классификации отзывов клиентов. Объектом данного исследования являются ансамблевые методы построения моделей, которые могут превосходить по качеству прогнозирования одиночные алгоритмы. В процессе исследования были изучены и описаны методы предобработки текстовых данных, методы ансамблирования классификаторов, а также был проведен сравнительный анализ моделей по различным метрикам качества прогнозирования. Результат данного исследования представляет собой классифицирующую отзывы по степени негативности модель, обладающую высоким качеством прогнозирования, полученной по принципу ансамблирования, подход к построению которой может быть задействован в различных задачах классификации неструктурированных текстовых данных. Также были сделаны соответствующие выводы об эффективности ансамблей в задаче анализа отзывов пользователей.