<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Аналіз сучасних методів розпізнавання емоційних станів у текстових повідомленнях

dc.contributor.authorКатрук, К. О.uk
dc.contributor.authorБабюк, Н. П.uk
dc.contributor.authorBabiuk, N. P.en
dc.titleАналіз сучасних методів розпізнавання емоційних станів у текстових повідомленняхuk
dc.date.issued2025
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationКатрук К. О., Бабюк Н. П. Аналіз сучасних методів розпізнавання емоційних станів у текстових повідомленнях // Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2025/paper/view/23977.uk
dc.relation.ispartofМатеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2025/paper/view/23977
dc.identifier.isbn978-617-8132-48-8
dc.identifier.udc004.55
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/48674
dc.description.abstractУ роботі проаналізовано сучасні методи розпізнавання емоційних станів у текстових повідомленнях. Розглянуто лексично-правилові підходи, методи машинного навчання, а також глибокі нейронні мережі та трансформери для визначення емоційного забарвлення тексту. Проаналізовано переваги й недоліки цих підходів та окреслено перспективи розвитку систем розпізнавання емоцій у тексті.uk
dc.description.abstractThis paper analyzes contemporary methods for recognizing emotional states in text messages. It examines lexicon- and rule-based approaches, machine learning methods, as well as deep neural networks and transformers for determining the emotional tone of text. The advantages and disadvantages of these approaches are discussed, and the prospects for further development of text-based emotion recognition systems are outlined.en
dc.subjectрозпізнавання емоційuk
dc.subjectтекстові повідомленняuk
dc.subjectлексичний підхідuk
dc.subjectмашинне навчанняuk
dc.subjectнейронні мережіuk
dc.subjectтрансформериuk
dc.subjectemotion recognitionen
dc.subjecttext messagesen
dc.subjectlexicon-based approachen
dc.subjectmachine learningen
dc.subjectneural networksen
dc.subjecttransformersen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesNandwani P., Verma R. A review on sentiment analysis and emotion detection from text / P. Nandwani, R. Verma // Social Network Analysis and Mining. – 2021. – Vol. 11. – Art. 81.en
dc.relation.referencesChutia T., Baruah N. A review on emotion detection by using deep learning techniques / T. Chutia, N. Baruah // Artificial Intelligence Review. – 2024. – Vol. 57(8). – Art. 203.en
dc.relation.referencesMohammad S.M., Turney P.D. Crowdsourcing a word–emotion association lexicon / S.M. Mohammad, P.D. Turney // Computational Intelligence. – 2013. – Vol. 29(3). – P. 436–465.en
dc.relation.referencesDevlin J., Chang M.W., Lee K., Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding / J. Devlin, M.-W. Chang, K. Lee, K. Toutanova // Proc. of NAACL-HLT. – 2019. – P. 4171–4186.en
dc.relation.referencesAcheampong F.A., Nunoo-Mensah H., Chen W. Transformer models for text-based emotion detection: a review of BERT-based approaches / F.A. Acheampong, H. Nunoo-Mensah, W. Chen // Artificial Intelligence Review. – 2021. – Vol. 54. – P. 5789–5829.en
dc.date.accessioned2025-08-19T07:54:52Z
dc.date.available2025-08-19T07:54:52Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
23977.pdf
Розмір:
224,12 KB
Формат:
Adobe Portable Document Format

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
license.txt
Розмір:
17 B
Формат:
Plain Text
Опис: