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

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

Скорочена інформація про документ
dc.contributor.authorДзюменко, Г. Д.uk
dc.contributor.authorТеренчук, А. Т.uk
dc.contributor.authorDziumenko, H. D.en
dc.contributor.authorTerenchuk, A. T.en
dc.titleNatural language processing algorithms for recognizing the emotional state of the useren
dc.date.issued2026
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationДзюменко 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.uk
dc.relation.ispartofМатеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29805
dc.identifier.udc004.8:616.89-07
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/53730
dc.description.abstractThe 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.en
dc.description.abstractУ тезах розглядаються сучасні алгоритми обробки природної мови (NLP) для автоматичного розпізнавання емоційного стану користувача в контексті веборієнтованих чат-систем психологічної підтримки.uk
dc.subjectобробка природної мовиuk
dc.subjectрозпізнавання емоційuk
dc.subjectаналіз тональностіuk
dc.subjectтрансформерні моделіuk
dc.subjectпсихологічна діагностикаuk
dc.subjectчат-системиuk
dc.subjectnatural language processingen
dc.subjectemotion recognitionen
dc.subjectsentiment analysisen
dc.subjecttransformer modelsen
dc.subjectpsychologicaldiagnosticsen
dc.subjectchat systemsen
dc.typeThesis
dc.language.isoen_USen_US
dc.relation.referencesCambria E., Das D., Bandyopadhyay S., Feraco A. A Practical Guide to Sentiment Analysis. Springer, 2017. 285 p.en
dc.relation.referencesShatte 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.en
dc.relation.referencesHutto 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.en
dc.relation.referencesPlutchik R. The Nature of Emotions. American Scientist. 2001. Vol. 89, No. 4. P. 344–350.en
dc.relation.referencesVaswani A., Shazeer N., Parmar N. et al. Attention Is All You Need. Advances in Neural Information Processing Systems. 2017. Vol. 30. P. 5998–6008.en
dc.relation.referencesJi 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.en
dc.relation.referencesSanh V., Debut L., Chaumond J., Wolf T. DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter. arXiv:1910.01108. 2019.en
dc.relation.referencesPoria 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.en
dc.date.accessioned2026-09-03T10:51:11Z
dc.date.available2026-09-03T10:51:11Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
29805.pdf
Розмір:
239,86 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

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

Зібрання

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