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

Дослідження моделей для аналізу настрою тексту

dc.contributor.authorЗавальнюк, М. Є.uk
dc.contributor.authorZavalniuk, M.en
dc.titleДослідження моделей для аналізу настрою текстуuk
dc.date.issued2024
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationЗавальнюк М. Є. Дослідження моделей для аналізу настрою тексту // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21240.uk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21240
dc.identifier.isbn978-617-8163-14-3
dc.identifier.udc004.048
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/47189
dc.description.abstractДане дослідження присвячено аналізу можливостей моделей для аналізу настрою тексту. Шляхом огляду та порівняльного аналізу традиційних методів, моделей машинного навчання та підходів глибокого навчання, визначено ключові аспекти цих моделей у виявленні та класифікації настрою тексту. Зокрема, дослідження виявляє переваги та недоліки кожного підходу, а також розглядає їхнє застосування в різних галузях, що допомагає зрозуміти їхню реальну вартість та ефективність.uk
dc.description.abstractThis study analyzes the capabilities of models for text sentiment analysis. Through a review and comparative analysis of traditional methods, machine learning models, and deep learning approaches, the key aspects of these models in detecting and classifying text sentiment are identified. In particular, the study identifies the advantages and disadvantages of each approach, as well as examines their application in various industries, which helps to understand their real value and effectiveness.en
dc.subjectаналіз настрою текстуuk
dc.subjectмашинне навчанняuk
dc.subjectобробка природної мовиuk
dc.subjectштучний інтелектuk
dc.subjectемоційний аналізuk
dc.subjecttext sentiment analysisen
dc.subjectmachine learningen
dc.subjectnatural language processingen
dc.subjectartificial intelligenceen
dc.subjectemotional analysisen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesGetting Started with Sentiment Analysis using Python. Hugging Face The AI community building the future. URL: https://huggingface.co/blog/sentiment-analysis-python ( : 06.05.2024).en
dc.relation.referencesShivanandhan M. What is Sentiment Analysis? A Complete Guide for Beginners. freeCodeCamp.org. URL: https://www.freecodecamp.org/news/what-is-sentiment-analysis-a-complete-guide-to-for-beginners/ (дата звернення: 06.05.2024).en
dc.relation.referencesBERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv.org. URL: https://arxiv.org/abs/1810.04805 (дата звернення: 06.05.2024).en
dc.relation.referencesGloVe: Global Vectors for Word Representation. ACL Anthology. URL: https://aclanthology.org/D14-1162/ (дата звернення: 06.05.2024).en
dc.date.accessioned2025-07-24T11:08:08Z
dc.date.available2025-07-24T11:08:08Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
21240.pdf
Розмір:
434,91 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:

Зібрання