Використання технологій машинного навчання у веброзробці

Abstract

UA : Робота викладена на 89 сторінках друкованого тексту, містить 33 рисунки, 5 таблиць, 42 джерела, 1 додаток. Об’єкт дослідження: бінарний автоматичний класифікатор тональності текстів. Метою дослідження є створення автоматичного класифікатора із застосуванням методів машинного навчання на основі відгуків про програмні продукти. Методи дослідження: аналіз текстової інформації, машинне навчання, статистичні методи, валідація та оцінка результатів. При розробці системи було проведено аналіз предметної області, обрана архітектура і платформа реалізації, розроблена функціональна модель системи, зібрані навчальні та тестові корпуси даних для класифікації відгуків про програмне забезпечення на негативні та позитивні; написано код класифікатора мовою програмування Python з застосування методів машинного навчання. Практична значимість полягає у навчальному відпрацюванні класичного завдання класифікації відгуків на програмне забезпечення. Надалі на відпрацьованих алгоритмам можна буде застосовувати навчальну та тестову вибірки з різною тематикою.

EN : The work is presented on 89 pages of printed text, 33 figures, 5 tables, 42 references, 1 supplement. The object of the study is binary automatic text tone classifier. The aim of the study is to create an automatic classifier using machine learning methods based on software product reviews. The methods of research are text information analysis, machine learning, statistical methods, validation and evaluation of results. In developing the system, we analyzed the subject area, selected the architecture and implementation platform, developed a functional model of the system, collected training and test data sets to classify software reviews into negative and positive; wrote the classifier code in Python using machine learning methods. The practical significance lies in the training of the classical task of classifying software reviews. In the future, the developed algorithms can be used for training and test samples with different topics.