Розроблення моделі інтелектуального аналізу емоційного забарвлення контенту на e-commerce платформах
Тип публікації :
Магістерська робота
Дата випуску :
2025
Автор(и) :
Ковальчук Данило Сергійович
Науковий(і) керівник(и)/редактор(и) :
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Цитування :
[APA 7] Ковальчук, Д. С. (2025). Розроблення моделі інтелектуального аналізу емоційного забарвлення контенту на e-commerce платформах [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/15071834/6654
[ДСТУ] Ковальчук Д. С. Розроблення моделі інтелектуального аналізу емоційного забарвлення контенту на e-commerce платформах : кваліфікаційна робота магістра : 122 Комп’ютерні науки / наук. кер. О. В. Заріцький. Київ, 2025. 115 с. URL: https://ir.library.knu.ua/handle/15071834/6654 (дата звернення: 25.07.2026).
Мета дипломної роботи магістра - розробка ефективної моделі інтелектуального аналізу емоційного забарвлення текстового контенту на платформах електронної комерції з використанням сучасних методів машинного навчання, а також створення прикладного інструменту у вигляді програмного інтерфейсу (API) для практичного застосування результатів аналізу.
Об’єкт дослідження - процеси аналізу емоційної полярності текстових відгуків користувачів в e-commerce середовищі.
Предмет дослідження - методи попередньої обробки текстових даних, машинного навчання та глибокого навчання для класифікації полярності, а також підходи до розгортання та інтеграції розробленої моделі в інфраструктуру електронної комерції.
Наукова новизна роботи полягає в удосконаленні аналізу емоційного забарвлення текстів шляхом поєднання лінгвістичного та семантичного аналізу з використанням трансформерних моделей, зокрема компактної моделі TinyBERT, яка на відміну від існуючих методів була адаптована до задачі бінарної класифікації полярності.
У роботі проведено огляд наукових джерел щодо методів аналізу емоційного забарвлення текстового контенту, а також досліджень, присвячених ефективності різних моделей у задачах обробки природної мови, зокрема в контексті класифікації емоційної полярності. Розглянуто наукові праці, що демонструють доцільність застосування трансформерних архітектур, таких як BERT і його модифікацій, для задач емоційного аналізу. Окрему увагу приділено аналізу джерел, які підтверджують актуальність теми дослідження, зокрема динаміці зростання обсягів текстового контенту в інтернет-магазинах та стрімкому розвитку e-commerce як галузі. Здійснено збір і обробку текстових даних, реалізовано процес побудови моделі, її тренування та оцінювання за допомогою метрик точності, влучності, повноти та F1-міри. Створено API для забезпечення практичного застосування розробленої системи в e-commerce контексті.
Об’єкт дослідження - процеси аналізу емоційної полярності текстових відгуків користувачів в e-commerce середовищі.
Предмет дослідження - методи попередньої обробки текстових даних, машинного навчання та глибокого навчання для класифікації полярності, а також підходи до розгортання та інтеграції розробленої моделі в інфраструктуру електронної комерції.
Наукова новизна роботи полягає в удосконаленні аналізу емоційного забарвлення текстів шляхом поєднання лінгвістичного та семантичного аналізу з використанням трансформерних моделей, зокрема компактної моделі TinyBERT, яка на відміну від існуючих методів була адаптована до задачі бінарної класифікації полярності.
У роботі проведено огляд наукових джерел щодо методів аналізу емоційного забарвлення текстового контенту, а також досліджень, присвячених ефективності різних моделей у задачах обробки природної мови, зокрема в контексті класифікації емоційної полярності. Розглянуто наукові праці, що демонструють доцільність застосування трансформерних архітектур, таких як BERT і його модифікацій, для задач емоційного аналізу. Окрему увагу приділено аналізу джерел, які підтверджують актуальність теми дослідження, зокрема динаміці зростання обсягів текстового контенту в інтернет-магазинах та стрімкому розвитку e-commerce як галузі. Здійснено збір і обробку текстових даних, реалізовано процес побудови моделі, її тренування та оцінювання за допомогою метрик точності, влучності, повноти та F1-міри. Створено API для забезпечення практичного застосування розробленої системи в e-commerce контексті.
Галузі знань та спеціальності :
12 Інформаційні технології::122 Комп’ютерні науки
Галузі науки і техніки (FOS) :
Інженерія та технології
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
2.12 MB
Контрольна сума :
(MD5):476572d8772132b537e4e3207e3731d7
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International