ДонНТУ   Портал магистров

Ссылки по теме выпускной работы

    Материалы магистров ДонНТУ

  1. Пилипенко А.С. Исследование методов и алгоритмов определения тональности естественно-языкового текста

    Описание: Персональный сайт на портале магистров ДонНТУ, 2020 г.

    Руководитель: к.ф-м.н., доц. Скворцов А.Е.

  2. Гума С. Н. Исследование методов сравнительного анализа текстов на примере рекомендательной системы фильмов

    Описание: Персональный сайт на портале магистров ДонНТУ, 2019 г.

    Руководитель: к.ф-м.н., доц. Скворцов А.Е.

  3. Сторожук Н.О. Исследование методов и алгоритмов определения жанра литературных произведений на основе технологии Text Mining

    Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

    Руководитель: к.ф-м.н., доц. Скворцов А.Е.

  4. Столбунская А.С. Создание интеллектуальной системы стилистической оценки текста

    Описание: Персональный сайт на портале магистров ДонНТУ, 2018 г.

    Руководитель: доц. Кравец Т.Н.

  5. Прокапович А.А. Разработка алгоритмического обеспечения интеллектуального модуля анализа эмоционального содержания естественно языковых сообщений блогов и форумов

    Описание: Персональный сайт на портале магистров ДонНТУ, 2014 г.

    Руководитель: к.т.н., доц. Егошина А.А.

  6. Сарры Н.А. Методы и алгоритмы извлечения структурированных данных из текстов новостей

    Описание: Персональный сайт на портале магистров ДонНТУ, 2012 г.

    Руководитель: к.т.н., доц. Звенигородский А.С.

    7. Научные работы и статьи

  7. Text mining with sentiment analysis on seafarers’ medical documents

    Авторы: Nalini Chintalapudi, Gopi Battineni, Marzio Di Caniob, Getu Gamo Sagaro, Francesco Amenta

    Описание: В данном исследовании представлены приложения для поиска текстов с ассоциативным анализом тональности в медицинских записях моряков. Несчастные случаи и проблемы, связанные с болезнями, в основном происходят с моряками. Это дает большое преимущество организациям здравоохранения и врачам для визуализации симптомов пациентов. Обеспечивает лучшее понимание проблем пациентов, мониторинг медицинских записей и оценку отзывов пациентов.

  8. Analysis of sentiments conveyed through Twitter concerning COVID-19

    Авторы: Mohamed Chiny, Marouane Chihab, Omar Bencharef and Younes Chihab1

    Описание: В связи с социальными и экономическими последствиями пандемии COVID-19 авторы попытались определить отношение пользователей социальных сетей, в данном случае Twitter, к этой теме с помощью анализа настроений. Было собрано 178 683 твита, используя API Twitter, на основе запросов по высокочастотному хэштегу #covid19. После предварительной обработки твиты бли классифицированы в бинарном виде (положительные и отрицательные) и в соответствии с их интенсивностью (валентностью), используя модель VADER, а затем словарь NRCLex, который позволяетсоотнесены по тональности в соответствии с их аффективным классом. Результаты показывают, что в целом чувства, выявленные с помощью твитов, являются положительными. Кроме того, пользователи, похоже, интересуются пандемией как тенденцией, а не как темой, связанной с другими социальными или экономическими аспектами.

  9. Использование синтаксиса для анализа тональности твитов на русском языке

    Авторы: Ю.В. Адаскина, П.В. Паничева, А.М. Попов

    Описание: Представлен подход к решению задачи анализа тональности в рамках тестирования SentiRuEval – открытого соревнования систем анализа тональности на русском языке. Описанный алгоритм был применен в дорожке по анализу тональности твитов о банках и телекоммуникационных компаниях. Для этих данных была разработана и оценена классификация на три класса: положительный, отрицательный и нейтральный.

  10. Методы анализа тональности текста

    Авторы: В. В. Ильев

    Описание: Классификация текстов – одна из областей обработки натуральных языков. Эта область набирает всё большую популярность с каждым годом. Информатизация населения и перевод текстов в электронный вид приводят к необходимости разработки эффективных алгоритмов анализ и классификации этих текстов.

  11. Анализ тональности отзывов пользователей в мета-области фильмов

    Авторы: Л. В. Журавлева, К. А. Стригулин

    Описание: В статье рассмотрена задача анализа тональности текста на примере отзывов о фильмах. Рассмотрена проблематика подхода, основанного на словарях, создан свой собственный словарь сентиментов и для него проведены исследования на корпусе данных.

  12. Корпусные исследования и анализ тональности

    Авторы: Т.А. Семина

    Описание:В статье рассмотрены современные корпусы для анализа тональности и сферы их применения в лингвистике. Проведен анализ самых известных баз данных на английском языке. Кроме того, в статье описан корпус статей, собранных автором, и разметка, которая проводится на данном корпусе.

  13. A BERT based Sentiment Analysis and Key Entity Detection Approach for Online Financial Texts

    Авторы: Lingyun Zhao; Lin Li; Xinhao Zheng; Jianwei Zhang

    Описание: Появление и быстрое развитие Интернета оказывают все большее влияние на финансовую сферу. Как быстро и точно извлечь ключевую информацию из массивных негативных финансовых текстов стало одним из ключевых вопросов для инвесторов и лиц, принимающих решения. Для решения этой проблемы мы предлагаем подход к анализу настроений и обнаружению ключевых сущностей на основе BERT, который применяется для поиска финансовых текстов в Интернете и анализа общественного мнения в социальных сетях.

  14. Аналитический обзор подходов к распознаванию тональности русскоязычных текстовых данных

    Авторы: А.А. Карпов, А.А. Двойникова

    Описание: В последние годы анализ тональности, или сентимент-анализ, высказываний пользователей находит практическое применение во многих областях: оценка качества товаров и услуг по отзывам покупателей в Интернете, анализ негативных эмоций в сообщениях, прогноз фондовых рынков, политических ситуаций на основе новостных лент и многих других. В связи с этим разрабатываются разнообразные системы и методы для сентимент-анализа русскоязычных текстовых данных.

  15. Sentiment analysis of nationwide lockdown due to COVID 19 outbreak: Evidence from India

    Авторы: Gopalkrishna Barkur, a Vibha, Giridhar B. Kamatha

    Описание: С января 2020 года компания Elsevier создала ресурсный центр COVID-19 с бесплатной информацией на английском и китайском языках о новом коронавирусе COVID-19. Ресурсный центр COVID-19 размещен на Elsevier Connect, общедоступном новостном и информационном сайте компании. Настоящим Elsevier предоставляет разрешение на немедленное размещение всех исследований, связанных с COVID-19, которые доступны в ресурсном центре COVID-19 – включая содержание данного исследования – в PubMed Central и других репозиториях, финансируемых государством, таких как база данных ВОЗ COVID, с правами на неограниченное повторное использование и анализ исследований в любой форме и любыми средствами с указанием первоисточника. Эти права предоставляются бесплатно компанией Elsevier до тех пор, пока ресурсный центр COVID-19 остается активным.

  16. Клиент всегда прав: анализ тональности текста в отзывах о качестве банковского обслуживания

    Авторы: Е.Г. Брунова, Ю.В. Бидуля

    Описание: Целью исследования является разработка алгоритма на основе правил для анализа тональности текста. Материалом послужили отзывы на русском языке о качестве банковского обслуживания из народного рейтинга банков (сайт www.banki.ru). Анализ тональности текста рассматривается как задача классификации, т. е. отнесение текста к одному из двух классов – с положительной и отрицательной оценкой. В основу алгоритма положено использование определенных лексико-грамматических конструкций наряду с оценочным лексиконом, содержащим классы слов с положительной и отрицательной оценкой, а также три служебных класса.

  17. Sentiment analysis on product reviews based on weighted word embeddings and deep neural networks

    Авторы: Aytuğ Onan

    Описание: Анализ тональности текста – это одна из основных задач обработки естественного языка, в которой извлекаются отношения, мысли, мнения или суждения по отношению к определенному предмету. Интернет – это неструктурированный и богатый источник информации, содержащий множество текстовых документов с мнениями и отзывами. Распознавание тональности может быть полезным для отдельных лиц, принимающих решения, коммерческих организаций и правительств. В этой статье мы представляем основанный на глубоком обучении подход к анализу настроений в отзывах о товарах, полученных из Twitter. Представленная архитектура сочетает в себе TF-IDF взвешенное встраивание слов Glove с архитектурой CNN-LSTM.

  18. Managing demand volatility during unplanned events with sentiment analysis: a case study of the COVID-19 pandemic

    Авторы: Angie Nguyen, Samir Lamouri, Robert Pellerin

    Описание: Данная статья ставит целью определить, влияют ли настроения, передаваемые новостными СМИ, на поведение потребителей. В нем представлено тематическое исследование, проведенное в три этапа: (1) сбор и подготовка данных; (2) разработка модели анализа настроений; (3) проведение статистического анализа для анализа корреляции между настроениями в новостях и потреблением наркотиков во время кризиса COVID-19.

  19. A survey of sentiment analysis in the Portuguese language

    Авторы: Denilson Alves Pereira

    Описание: Целью данной работы является обзор усилий, предпринятых специально для анализа тональности текстов на португальском языке. В ней классифицируются и описываются современные работы, включающие подходы к каждой из задач анализа настроений, а также вспомогательные языковые ресурсы, такие как инструменты обработки естественного языка, лексиконы, корпорации, онтологии и наборы данных.

    20. Техническая и справочная литература

  20. Национальная библиотека Украины имени В.И. Вернадского

    Крупнейшая библиотека Украины, главный научно-информационный центр государства. Входит в число десяти крупнейших национальных библиотек мира.

  21. НТБ ДонНТУ

    Научно-техническая библиотека Донецкого национльного технического университета.

  22. IPR BOOKS

    В электронно-библиотечной системе IPR BOOKS можно найти учебники и учебные пособия, монографии, производственно-практические, справочные издания, а также деловую литературу для практикующих специалистов. В ЭБС включены издания за последние 10 лет, перечень их постоянно растет.

  23. eLibrary

    Научная электронная библиотека eLIBRARY.RU – это крупнейший российский информационно-аналитический портал в области науки, технологии, медицины и образования.

  24. КиберЛенинка

    КиберЛенинка – это научная электронная библиотека, построенная на парадигме открытой науки (Open Science), основными задачами которой является популяризация науки и научной деятельности, общественный контроль качества научных публикаций, развитие междисциплинарных исследований, современного института научной рецензии, повышение цитируемости российской науки и построение инфраструктуры знаний.

  25. disserCat – научная электронная библиотека диссертаций и авторефератов

    Научная электронная библиотека диссертаций и авторефератов disserCat – это самый крупный каталог научных работ в российском интернете.

  26. METANIT.COM

    На сайте можно найти материалы по таким направлениям, как язык C# и семейство технологий .NET (ASP.NET, WPF, Entity Framework и т.д.), технологии на базе Java ( Java SE, программирование под ОС Андроид и т.д.), Python, Dart (в том числе Flutter), работа с базами данных (MS SQL Server, MySQL, MongoDB) а также WEB-технологии, такие как HTML5, AJAX, jQuery, Node.js, ExtJS, Angular, React и др.

    27. Специализированные сайты и порталы

  27. GitHub

    Крупнейший веб-сервис для хостинга IT-проектов и их совместной разработки. Основан на системе контроля версий Git

  28. StackOverflow

    Система вопросов и ответов о программировании.

  29. Хабр (Habr)

    Сайт в формате системы тематических коллективных блогов с элементами новостного сайта, созданный для публикации новостей, аналитических статей, мыслей, связанных с информационными технологиями, бизнесом и интернетом.

  30. Tproger

    Tproger – издание о разработке и обо всём, что с ней связано.

  31. Proglib – библиотека программиста

    Библиотека программиста – источник образовательного контента в IT-сфере. Здесь публикуют обзоры книг, видеолекции и видеоуроки, дайджесты и образовательные статьи.

  32. Kaggle

    Площадка для соревнований по машинному обучению с множеством интересных датасетов.

    33. Полезные интернет-ресурсы для изучения Python

  33. Devpractice

    На сайте можно найти уроки по Python как для начинающих, так и для тех, у кого уже есть немного опыта в программировании.

  34. Pythonworld.ru

    Сайт с уроками и туториалами по Python 3 (преимущественно для новичков).

  35. Бесплатный курс от ru.code-basics

    Этот курс посвящен азам написания программ на Python.

  36. Pytonru

    Сайт содержит большое количество уроков для тех, кто уже продвинулся в изучении языка и хочет сделать что-то интересное.

  37. A Byte of Python

    A Byte of Python – это бесплатная книга по программированию на языке Python. Она служит учебником или руководством по языку Python для начинающих.

  38. Learnpython.org

    Сайт примечателен тем, что, помимо уроков по Python, предоставляет возможность проверить знания на практике: написать код, запустить программу и получить отчет по ошибкам.

  39. Форум Python Программистов

    Профессиональные программисты отвечают на вопросы новичков и более опытных разработчиков.

    40. Youtube-каналы с уроками по Python

  40. Изучаем Python – Полный курс для начинающих

    В 4-х часовой лекции собрана информация по установке и настройке Python и PyCharm, показано создание калькулятора и игры. Лектор рассказывает о важных составляющих яызка от переменных и списков до модулей и функций.

  41. Programming with Mosh

    Лектор дает материал на хорошем английском, доступны также субтитры на русском языке.

  42. ZProger [ IT ]

    Канал содержит не только уроки по Python, но и информацию о Linux-системах и системном администрировании.

  43. DoCode.ru

    Канал сайта DoCode.ru, который содержит различные уроки по Python от базовых конструкций вплоть до использвоания плагинов для автоматизации. Также есть уроки по JavaScript.

  44. Google Python Class

    Плейлист от Google Developers о веб-программировании на Python. Опытные разработчики демонстрируют практическое применение материала, представленного на теоретических курсах Google's Python Class.

    45. Библиотеки Python

  45. Scikit-learn

    В данной библиотеке есть алгоритмы для машинного обучения и интеллектуального анализа данных: кластеризации, регрессии и классификации.

  46. TensorFlow

    Основная библиотека с открытым исходным кодом, которая помогает в разработке и обучении моделей машинного обучения. Создана Google.

  47. Keras

    Благодаря модульности и масштабированию библиотека позволяет легко и быстро создавать прототипы. Поддерживает как сверточные и рекуррентные сети, так и их комбинации.

  48. NLTK (Natural Language Toolkit)

    Набор библиотек для обработки естественного языка. Основные функции: разметка текста, определение именованных объектов, отображение синтаксического дерева, раскрывающего части речи и зависимости.

  49. Dostoevsky

    Библиотека для анализа тональности текстов на русском языке.

    50. Датасеты для анализа тональности текстов

  50. RuTweetCorp

    Русскоязычный корпус коротких текстов RuTweetCorp, состоящий из 17 639 674 записей.

  51. Multi-Domain Sentiment Dataset (version 2.0)

    Датасет, который содержит отзывы о товарах на Amazon.

  52. Twitter US Airline Sentiment

    Набор данных из Twitter об авиакомпаниях США, датируемый февралем 2015 года, разделённый на положительные, негативные и нейтральные твиты.

  53. Stanford Sentiment Treebank

    Стэнфордский датасет для анализа тональности.

  54. Sentiment140

    Датасет с 160 000 твитов с удалёнными смайликами.