Порівняння властивості засвоєння семантичних зв’язків між словами природної мови моделями методу Word2Vec у задачі аналізу настроїв.
Ключові слова:
сентимент аналіз, визначення настроїв, англомовний пост, векторне представлення, машинне навчання, skip-gram, CBOW.
Анотація
Дана робота присвячена дослідженню ефективного визначення настрою англомовних постів з соціальних мереж, що базується на перетворенні слів у векторні представлення за допомогою методу Word2Vec. У роботі описані та проаналізовані існуючі методи сентимент аналізу, проаналізовано моделі Continuous Bag of Words (CBOW) та Skip-gram у складі методу Word2Vec, проведено порівняння їх властивостей при засвоєнні семантичних зв’язків між словами природної мови. Описано експериментальне дослідження щодо використання зазначених моделей при різних функціях тренування.
Посилання
Bing Liu. Sentiment Analysis and Opinion Mining, Morgan & Claypool Publishers, May 2012;
Walaa Medhat, Ahmed Hassan, Hoda Korashy, Sentiment analysis algorithms and applications: A survey, Ain Shams Engineering Journal, Volume 5, Issue 4, 2014, Pages 1093-1113, ISSN 2090-4479;
Dmitry Shyngalov, Yelyzaveta Meleshko, Roman Mynaylenko, Vitaliy Reznichenko. Methods of automated sentiment analysis on social networks, Machinery in agricultural production, industry machine building, automation, 2017, Col.30, ISSN 2409-9392;
Tomas Mikolov, Ilya Sutskever, Kai Chen, Greg Corrado, Jeffrey Dean. Distributed Representations of Words and Phrases and their Compositionality. arXiv:1310.4546v1;
Muhamedyev, Ravil. (2015). Machine learning methods: An overview. CMNT. 19. 14-29;
Tomas Mikolov, Kai Chen, Greg Corrado, Jeffrey Dean. Logistic Regression Relating Patient Characteristics to Outcomes Efficient Estimation of Word Representations in Vector Space. arXiv:1301.3781v3;
Tim O’Keefe, Irena Koprinska. Feature Selection and Weighting in Sentiment Analysis. DOI:10.1.1.709.1463;
Oscar Blessed, Deho & Agangiba, A. & Aryeh, Felix & Ansah, Jeffery. (2018). Sentiment Analysis with Word Embedding. 1-4. 10.1109/ICASTECH.2018.8506717.
Sidorov G., Velasquez F., Stamatatos E., Gelbukh A., Chanona-Hernández L. (2013) Syntactic Dependency-Based N-grams as Classification Features. In: Batyrshin I., Mendoza M.G. (eds) Advances in Computational Intelligence. MICAI 2012. Lecture Notes in Computer Science, vol 7630. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-37798-3_1
Mohammed, A.A., & Umaashankar, V. (2018). Effectiveness of Hierarchical Softmax in Large Scale Classification Tasks. 2018 International Conference on Advances in Computing, Communications and Informatics (ICACCI), 1090-1094.
Kaji, N., & Kobayashi, H. (2017). Incremental Skip-gram Model with Negative Sampling. EMNLP.
Walaa Medhat, Ahmed Hassan, Hoda Korashy, Sentiment analysis algorithms and applications: A survey, Ain Shams Engineering Journal, Volume 5, Issue 4, 2014, Pages 1093-1113, ISSN 2090-4479;
Dmitry Shyngalov, Yelyzaveta Meleshko, Roman Mynaylenko, Vitaliy Reznichenko. Methods of automated sentiment analysis on social networks, Machinery in agricultural production, industry machine building, automation, 2017, Col.30, ISSN 2409-9392;
Tomas Mikolov, Ilya Sutskever, Kai Chen, Greg Corrado, Jeffrey Dean. Distributed Representations of Words and Phrases and their Compositionality. arXiv:1310.4546v1;
Muhamedyev, Ravil. (2015). Machine learning methods: An overview. CMNT. 19. 14-29;
Tomas Mikolov, Kai Chen, Greg Corrado, Jeffrey Dean. Logistic Regression Relating Patient Characteristics to Outcomes Efficient Estimation of Word Representations in Vector Space. arXiv:1301.3781v3;
Tim O’Keefe, Irena Koprinska. Feature Selection and Weighting in Sentiment Analysis. DOI:10.1.1.709.1463;
Oscar Blessed, Deho & Agangiba, A. & Aryeh, Felix & Ansah, Jeffery. (2018). Sentiment Analysis with Word Embedding. 1-4. 10.1109/ICASTECH.2018.8506717.
Sidorov G., Velasquez F., Stamatatos E., Gelbukh A., Chanona-Hernández L. (2013) Syntactic Dependency-Based N-grams as Classification Features. In: Batyrshin I., Mendoza M.G. (eds) Advances in Computational Intelligence. MICAI 2012. Lecture Notes in Computer Science, vol 7630. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-37798-3_1
Mohammed, A.A., & Umaashankar, V. (2018). Effectiveness of Hierarchical Softmax in Large Scale Classification Tasks. 2018 International Conference on Advances in Computing, Communications and Informatics (ICACCI), 1090-1094.
Kaji, N., & Kobayashi, H. (2017). Incremental Skip-gram Model with Negative Sampling. EMNLP.
Опубліковано
2021-12-23
Як цитувати
Гарбузенко , О., & П’ятикоп , О. (2021). Порівняння властивості засвоєння семантичних зв’язків між словами природної мови моделями методу Word2Vec у задачі аналізу настроїв . КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, (45), 59-65. https://doi.org/10.36910/6775-2524-0560-2021-45-09
Розділ
Інформатика та обчислювальна техніка
