Розмір шрифта: 

Робота присвячена системному аналізу методів векторизації текстових даних для задач класифікації емоційної тональності. Проведено дослідження ефективності статистичного підходу Bag-of-Words та лінійного методу TF-IDF у поєднанні з логістичною регресією та наївним баєсівським класифікатором. На основі аналізу відгуків Amazon Books визначено вплив методів зважування ознак на точність прогнозів та швидкість навчання моделей. Розроблений підхід демонструє високу ефективність у виявленні користувацьких настроїв завдяки оптимізації розріджених матриць даних.


A SYSTEMATIC ANALYSIS OF VECTORIZATION METHODS FOR MODELING THE EMOTIONAL TONE OF TEXTUAL REVIEWS
Abstract:
The paper is devoted to the system analysis of text data vectorization methods for sentiment classification tasks. The effectiveness of the Bag-of-Words statistical approach and the TF-IDF linear method in combination with Logistic Regression and Naive Bayes classifier was investigated. Based on the analysis of Amazon Books reviews, the influence of feature weighting methods on prediction accuracy and model training speed was determined. The developed approach demonstrates high efficiency in detecting consumer sentiments by optimizing sparse data matrices.

системний аналіз; аналіз тональності; векторизація тексту; TF-IDF; Bag-of-Words; логістична регресія; машинне навчання; обробка природної мови; system analysis; sentiment analysis; text vectorization; TF-IDF; Bag-of-Words; logistic regression