У кваліфікаційній роботі проведено аналіз методологій класифікації текстів, проведено дослідження параметрів та їх вплив на роботу моделі, розроблено веб-застосунок з інтелектуальним ядром на основі методу опорних векторів, для визначення ризику виснаження працівників на основі аналізу текстів твітів.
Було проведена розробка та модифікація обраної моделі, додано можливість представлення результатів у вигляді належності до класу. Після навчання модель продемонструвала наступні показники точності 98,7% на навчальній і 93% на тестовій вибірках. Для знаходження оптимальних параметрів моделі, було проведено експеременти для визначення впливу наступних параметрів на точність моделі: тип поєднання калібратора та моделі, штраф, ваги класів, параметр регуляризації.
Було визначено основні інформаційні складові застосунку, спроектовано його архітектуру, базу даних, відношення між компонентами, дизайн.
З використанням мови програмування Python та Django було розроблено веб-застосунок, де було реалізовано можливість запуску аналізу твітів зі сторінок реальних людей (працівників), графічне відображення результатів аналізу, графічне відображення статистики по всім працівникам.

Ключові слова: аналіз тексту, метод опорних векторів, класифікація тексту.

In this graduation thesis the text classification methodologies were analyzed and compared, a study of parameters and their influence on the model was carried out, a web application with an intelligent core based on the support vector machines method was developed to determine the risk of employee burnout based on tweet texts.

Keywords: text analysis, support vector machines, text classification.

Боженко Д.М. Підсистема моніторингу стану виснаження на роботі на основі семантичного аналізу твітів співробітників : кваліфікаційна робота … бакалавр : 122 Комп’ютерні науки / Боженко Дар’я Миколаївна. – Київ, 2023. – 74 с.