АНАЛИЗ ТОНАЛЬНОСТИ ТЕКСТОВЫХ ОТЗЫВОВ С ПРИМЕНЕНИЕМ ТОНАЛЬНЫХ СЛОВАРЕЙ И КАРДИНАЛЬНОСТИ НЕЧЕТКОГО МНОЖЕСТВА
Аннотация
Анализ тональности или мнений направлен на определение полярности мнения людей в отношении к какому-либо продукту, услуге, мероприятию или любому человеку. Один из самых распространенных методов, применяемый при анализе тональности текстового контента – обработка естественного языка. Тональность текста на естественном язы- ке может быть оценена с помощью многочисленных методологий, таких как алгоритмы машинного обучения и статистические инструменты, в то время как применение нечет- кой логики не является распространенным явлением. Использование нечеткой логики было выбрано по следующим причинам. Во-первых, нечеткая логика хорошо справляется с лин- гвистической неопределенностью. Такой способ определения проблемы приводит к умень- шению предвзятости как с положительной, так и с отрицательной стороны. Во-вторых, подходы к обучению на основе нечетких правил коренным образом отличаются от тех подходов к обучению, которые широко используются при классификации настроений, та- ких как метод опорных векторов, метод наивного Байеса и т. д., так как относятся к ге- неративному обучению, т. е. целью обучения является оценка степени принадлежности экземпляра к каждому отдельному классу. Предлагаемая модель для анализа тональности текстовых обзоров основана на использовании тональных словарей с применением нечет- кой логики и состоит из четырех основных этапов. Этапы включают в себя токенизацию, формулировку модели мешка слов, формулировку нечеткой оценки тональности и присвое- ние полярности. В предложенной модели используется мощность нечеткого множества как мера оценки показателей полярности слов. Значения полярности слов получены путем применения двух тональных словарей: SentiWordNet и AFINN. Созданы две версии модели в зависимости от типа используемого словаря: на основе SentiWordNet и AFINN. Сравнение представленного подхода на основе нечеткой логики с другими методами на основе слова- рей демонстрирует превосходство разработанных моделей, основанных на применении нечеткой логики.
