Порівняльний аналіз імовірнісних моделей у задачах класифікації тональності
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
Роботу присвячено порівняльному дослідженню двох варіантів наївного Байєсівського класифікатора — мультиноміальної (MultinomialNB) та бернулліївської (BernoulliNB) моделей — у задачі автоматичної класифікації тональності текстових відгуків покупців. Реалізовано повний ML-пайплайн на датасеті Amazon
The paper is devoted to a comparative study of two variants of the Naive Bayes classifier — Multinomial (MultinomialNB) and Bernoulli (BernoulliNB) models — for automatic sentiment classification of customer reviews. A complete ML pipeline was implemented on the Amazon Reviews dataset: text preprocessing (tokenization, lemmatization, stop-word removal), TF-IDF and binary vectorization with bigrams, and Laplace smoothing parameter tuning via
The paper is devoted to a comparative study of two variants of the Naive Bayes classifier — Multinomial (MultinomialNB) and Bernoulli (BernoulliNB) models — for automatic sentiment classification of customer reviews. A complete ML pipeline was implemented on the Amazon Reviews dataset: text preprocessing (tokenization, lemmatization, stop-word removal), TF-IDF and binary vectorization with bigrams, and Laplace smoothing parameter tuning via
Опис
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Трухін Д. С., Жуков С. О. Порівняльний аналіз імовірнісних моделей у задачах класифікації тональності // 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/29066.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (5)
- Amazon Reviews Dataset. Kaggle, 2021. URL: https://www.kaggle.com/datasets/kritanjalijain/amazon-reviews
- Bird S., Klein E., Loper E. Natural Language Processing with Python. O'Reilly Media, 2009. URL: https://www.nltk.org/book/
- Pedregosa F. та ін. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 2011. Vol. 12. P. 2825– 2830
- McCallum A., Nigam K. A Comparison of Event Models for Naive Bayes Text Classification. AAAI-98 Workshop on Learning for Text Categorization. 1998. P. 41–48
- Концевой А., Бісікало О. Моделі глибокого навчання для вирішення задачі класифікації текстової інформації. Інформаційні технології та комп'ютерна інженерія. 2022. Т. 55, № 3. С. 13–20