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

Natural language processing algorithms for recognizing the emotional state of the user

Ескіз

Файли

29805.pdf (239,86 KB)

Дата

2026

Автори


Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

The paper considers modern natural language processing (NLP) algorithms for automatic recognition of the emotional state of users in web-oriented psychological support chat systems. Methods of sentiment analysis, multi-class emotion classification, and transformer-based approaches are analyzed. The specifics of applying these methods to the tasks of primary psychological diagnostics are described.

Опис

Ключові слова

natural language processing , emotion recognition , sentiment analysis , transformer models , psychologicaldiagnostics , chat systems

УДК

004.8:616.89-07

Тип документа

Thesis

Мова

en_US

Є частиною

Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.

ISSN

Бібліографічний опис

Дзюменко Г. Д., Теренчук А. Т. Natural language processing algorithms for recognizing the emotional state of the user // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29805.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/53730

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (8)

  1. Cambria E., Das D., Bandyopadhyay S., Feraco A. A Practical Guide to Sentiment Analysis. Springer, 2017. 285 p.
  2. Shatte A. B. R., Hutchinson D. M., Teague S. J. Machine learning in mental health: a scoping review of methods and applications. Psychological Medicine. 2019. Vol. 49, No. 9. P. 1426–1448.
  3. Hutto C. J., Gilbert E. VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text. Proceedings of the AAAI Conference on Web and Social Media. 2014. Vol. 8. P. 216–225.
  4. Plutchik R. The Nature of Emotions. American Scientist. 2001. Vol. 89, No. 4. P. 344–350.
  5. Vaswani A., Shazeer N., Parmar N. et al. Attention Is All You Need. Advances in Neural Information Processing Systems. 2017. Vol. 30. P. 5998–6008.
  6. Ji S., Zhang T., Ansari L., Fu J., Tiwari P., Cambria E. MentalBERT: Publicly Available Pretrained Language Models for Mental Healthcare. Proceedings of LREC 2022. P. 7184–7190.
  7. Sanh V., Debut L., Chaumond J., Wolf T. DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter. arXiv:1910.01108. 2019.
  8. Poria S., Hazarika D., Majumder N., Naik G., Cambria E., Mihalcea R. MELD: A Multimodal Multi-Relational Emotion Recognition Dataset for Conversational Sentiment Analysis. Proceedings of ACL 2019. P. 527–536.