АНАЛИЗ ТОНАЛЬНОСТИ ТЕКСТОВ ПРИ ПОМОЩИ НЕЙРОННОЙ СЕТИ

ANALYSIS OF TEXT TONALITY USING A NEURAL NETWORK

Anna Pushkareva

Student, Department for Computer science and Methods of teaching computer science, Nizhnevartovsk state University,

Russia, Nizhnevartovsk

Tatiana Katermina

Scientific supervisor, candidate of Technical Sciences, associate professor, Nizhnevartovsk state University,

Russia, Nizhnevartovsk

АННОТАЦИЯ

В статье рассматривается реализация собственной нейронной сети и предобработка данных для использования их в анализе тональности текстов. Точность работы проверочных данных превышала 80%, что можно считать высокой результативностью.

ABSTRACT

The article describes how to make your own neural network model and how to prepare the data for it to analyse text tonality. The accuracy on validation data is above 80 percent which can be considered as high result.

Ключевые слова: нейронные сети; GRU; тональность текстов.

Keywords: neural networks; GRU; text tonality.

Была разработана архитектура, где проверялось собственное текстовое сообщение.

Сообщение находилось в текстовом файле формата .txt. Для его выгрузки в нейронную сеть, требовалось подключить импорт файлов.

Рисунок 1. Подключенные библиотеки

• Загрузка данных

Ограничиваем максимальное количество используемых слов и загружаем набор данных imdb с помощью средств Keras.

Рисунок 2. Загрузка данных

• Подготовка данных

Ограничиваем длину отзыва, с помощью функции pad_sequences либо обрезаем длинные рецензии, либо дополняем 0.

Рисунок 3. Подготовка данных

• Создание нейронной сети

При создании нейронной сети были добавлены: слой Embedding, 2 слоя GRU, 2 слоя Dense, где последний – выходной, 2 слоя Dropout, а также функция активации RELU, которая определяет выходной слой, определяемым входным сигналом или набором входных сигналов.

Рисунок 4. Создание нейронной сети

• Обучение нейронной сети

При обучении было использовано 4 эпохи, размерность шага 16 и процент для проверки 10.

Рисунок 5. Результат обучения НС

Текст сообщения:

If this game was supposed to overcome a legendary Until Dawn, then devs totally f'ed up. Story is questionable but not bad I liked it. And that's all with pros. There's so many cons, so I will just mention a few, the most significant ones. Pace of the game (especially the beginning) is horrible and boring as hell. Tarot cards are supposed to remind of Totems from UD, and they're just bad. Kind of pointless when you see how this game plays itself. Choices are real horror of this game, most doesn't matter, whole bunch of them are like picking between two dumb answers inadequate to situation and they're so illogical and bad written, just like dialogues between characters which take away a sense of immersion. Most of the time you just sit and think how can someone be so stupid and basically you want to kill everyone cuz there's no likeable character.

Результат работы нейронной сети:

Рисунок 6. Результат работы НС с отрицательным сообщением

Список литературы:

1. Елизавета Ф., Data Review, "Анализ тональности текста: концепции, методы, области применения" [Электронный ресурс] http://datareview.info/article/analiz-tonalnosti-teksta-kontseptsiya-metodyi-oblasti-primeneniya/ (дата обращения: 13.05.2023)
2. Семина Т.А. Анализ тональности текста: современные подходы и существующие проблемы // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Сер. 6, Языкознание: Реферативный журн. – 2020. – № 4. – C. 47
3. Краснов Ф.В. Анализ тональности текста научно-практических статей по нефтегазовой тематике с помощью искусственных нейронных сетей // Вестник Евразийской науки. — 2018 №3.
4. Галушкин, А.И. Нейронные сети: основы теории. / А.И. Галушкин. - М.: РиС, 2014. - 496 c.
5. Большакова Е.И., Воронцов К.В., Ефремова Н.Э., Клышински Э.С., Лукашевич Н.В., Сапин А.С. Автоматическая обработка текстов на естественном языке и анализ данных// Изд-во НИУ ВШЭ, 2017. — С.17-18.